論文の概要: Machine Learning in management of precautionary closures caused by lipophilic biotoxins

• arxiv url: http://arxiv.org/abs/2402.09266v1
• Date: Wed, 14 Feb 2024 15:51:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-02-15 14:43:28.229796
• Title: Machine Learning in management of precautionary closures caused by lipophilic biotoxins
• Title（参考訳）: 脂肪親和性バイオトキシンによる予防的閉鎖管理における機械学習
• Authors: Andres Molares-Ulloa, Enrique Fernandez-Blanco, Alejandro Pazos and Daniel Rivero
• Abstract要約: ムッセル農業は最も重要な水産産業の1つである。 ムッセル農業の主なリスクは有害な藻類開花(HABs)であり、人間の消費に危険をもたらす。 本研究は,予防的クロージャの適用を支援する予測モデルを提案する。
• 参考スコア（独自算出の注目度）: 43.51581973358462
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mussel farming is one of the most important aquaculture industries. The main risk to mussel farming is harmful algal blooms (HABs), which pose a risk to human consumption. In Galicia, the Spanish main producer of cultivated mussels, the opening and closing of the production areas is controlled by a monitoring program. In addition to the closures resulting from the presence of toxicity exceeding the legal threshold, in the absence of a confirmatory sampling and the existence of risk factors, precautionary closures may be applied. These decisions are made by experts without the support or formalisation of the experience on which they are based. Therefore, this work proposes a predictive model capable of supporting the application of precautionary closures. Achieving sensitivity, accuracy and kappa index values of 97.34%, 91.83% and 0.75 respectively, the kNN algorithm has provided the best results. This allows the creation of a system capable of helping in complex situations where forecast errors are more common.
• Abstract（参考訳）: ムッセル農業は最も重要な水産産業の1つである。 ムッセル農業の主なリスクは有害な藻類開花(HABs)であり、人間の消費に危険をもたらす。 スペインで栽培された貝類の主産地であるガリシアでは、生産エリアの開閉は監視プログラムによって制御されている。 法律上のしきい値を超える毒性の存在による閉鎖に加えて、確認的サンプリングの欠如とリスク要因の存在は、予防的閉鎖を適用できる。 これらの決定は、その基礎となる経験の支持や形式化を伴わない専門家によってなされる。 そこで本研究では,注意クロージャの適用を支援する予測モデルを提案する。 knnアルゴリズムは97.34%, 91.83%, 0.75の感度, 精度, およびkappaインデックス値をそれぞれ達成し, 最良の結果を得た。 これにより、予測エラーがより一般的な複雑な状況において、システムを構築することができる。

関連論文リスト

• Conformal Thinking: Risk Control for Reasoning on a Compute Budget [60.65072883773352]
  大規模言語モデル(LLM)の推論により、トークンの予算が増加するにつれて、データセットレベルの精度が向上する。 我々は、予算設定問題をリスクコントロールとして再設定し、計算を最小化しながらエラー率を制限する。 我々のフレームワークは、モデルが自信のあるときに推論を停止する上位しきい値と、未解決のインスタンスを事前に停止させる新しい下位しきい値を導入する。
  論文  参考訳（メタデータ） (2026-02-03T18:17:22Z)
• Mitigating Safety Tax via Distribution-Grounded Refinement in Large Reasoning Models [63.368505631152594]
  安全調整は、大きな推論モデル(LRM)の一般的な推論能力を乱す安全税を発生させる。 LRMの安全アライメントに使われる既存のデータセットは、通常、外部のLRMまたは人間のラベルから安全推論の痕跡と回答を蒸留することによって構築される。 本稿では,DGRと呼ばれる安全アライメントデータセット構築手法を提案する。DGRは,既存のアウト・オブ・ディストリビューション型安全推論データセットを改良し,目標のLLM内部分布に適合させる。
  論文  参考訳（メタデータ） (2026-02-02T14:18:48Z)
• Statistical Estimation of Adversarial Risk in Large Language Models under Best-of-N Sampling [50.872910438715486]
  大規模言語モデル(LLM)は、通常、単一ショットまたは低予算の逆のプロンプトの下で安全性を評価する。 我々は,Best-of-Nサンプリングの下でのジェイルブレイク脆弱性をモデル化するための,スケーリング対応のリスク推定手法であるSABERを提案する。
  論文  参考訳（メタデータ） (2026-01-30T06:54:35Z)
• The Eminence in Shadow: Exploiting Feature Boundary Ambiguity for Robust Backdoor Attacks [51.468144272905135]
  深層ニューラルネットワーク(DNN)は、バックドア攻撃に対して脆弱なままでも重要なアプリケーションを支える。 バックドア攻撃を標的とした理論的解析を行い,不均質なモデル操作を実現するための疎い決定境界に着目した。 エミネンス(Eminence)は、理論的な保証と固有なステルス特性を持つ、説明可能で堅牢なブラックボックスバックドアフレームワークである。
  論文  参考訳（メタデータ） (2025-12-11T08:09:07Z)
• SafeRBench: A Comprehensive Benchmark for Safety Assessment in Large Reasoning Models [60.8821834954637]
  LRMの安全性をエンドツーエンドに評価する最初のベンチマークであるSafeRBenchを紹介する。 私たちは、リスクカテゴリとレベルを入力設計に組み込んだ先駆者です。 我々は,長い推論トレースを意味的に一貫性のある単位にセグメント化するためのマイクロシンクのチャンキング機構を導入する。
  論文  参考訳（メタデータ） (2025-11-19T06:46:33Z)
• Explainable Probabilistic Machine Learning for Predicting Drilling Fluid Loss of Circulation in Marun Oil Field [0.5217870815854703]
  本研究では,ガウス過程回帰(GPR)に基づく確率論的機械学習フレームワークを提案する。 GPRモデルは, 掘削パラメータ間の非線形依存関係を捕捉し, 予測の不確実性を定量化し, リスクの高い意思決定に信頼性を高める。
  論文  参考訳（メタデータ） (2025-11-10T01:34:02Z)
• Beta Distribution Learning for Reliable Roadway Crash Risk Assessment [21.371420424228077]
  道路交通事故は世界的な健康危機であり、毎年100万人以上が死亡し、多くの国がGDPの最大3%を犠牲にしている。 伝統的な交通安全研究は、しばしば、構築された環境に固有の空間的複雑さと文脈的相互作用を見越して、孤立中のリスク要因を調べる。 本稿では,衛星画像を包括的空間入力として活用する新しいディープラーニングフレームワークを提案する。 このアプローチにより, 致命的な事故リスクに寄与する環境リスク要因や環境パターンを把握できる。
  論文  参考訳（メタデータ） (2025-11-07T00:08:55Z)
• Informed Learning for Estimating Drought Stress at Fine-Scale Resolution Enables Accurate Yield Prediction [10.780371055923304]
  水は農業の生産性に不可欠であり、水不足と収量ポテンシャルの低下は意思決定において重要な要素である。 物理過程と整合する作物シミュレーションモデルは本質的な説明性を提供するが、しばしば性能が良くない。 作物収量モデリングのための機械学習モデルは強力でスケーラブルであるが、一般的にブラックボックスとして機能し、作物の成長の物理的原理に固執しない。
  論文  参考訳（メタデータ） (2025-10-21T13:58:04Z)
• Confidential Guardian: Cryptographically Prohibiting the Abuse of Model Abstention [65.47632669243657]
  不正直な機関は、不確実性の観点からサービスを差別または不正に否定する機構を利用することができる。 我々は、ミラージュと呼ばれる不確実性誘導攻撃を導入することで、この脅威の実践性を実証する。 本研究では,参照データセット上のキャリブレーションメトリクスを分析し,人工的に抑制された信頼度を検出するフレームワークであるConfidential Guardianを提案する。
  論文  参考訳（メタデータ） (2025-05-29T19:47:50Z)
• Statistical Learning for Heterogeneous Treatment Effects: Pretraining, Prognosis, and Prediction [40.96453902709292]
  実世界の応用における現象を利用した事前学習戦略を提案する。 医学では、同じ生物学的シグナル伝達経路の成分は、ベースラインリスクと治療反応の両方に頻繁に影響を及ぼす。 この構造を用いて、リスク予測と因果効果推定の相乗効果を利用するモデルを開発する。
  論文  参考訳（メタデータ） (2025-05-01T05:12:14Z)
• Uncertainty Guarantees on Automated Precision Weeding using Conformal Prediction [0.5172964916120902]
  本稿では,深層学習に基づく画像分類による精密雑草作業における共形予測について述べる。 共形予測手法の詳細なプレゼンテーションの後、このパイプラインを実世界の2つのシナリオで評価する。 以上の結果から,少なくとも90%の雑草散布が保証されていることが確認できた。
  論文  参考訳（メタデータ） (2025-01-13T10:30:10Z)
• Confidence Aware Learning for Reliable Face Anti-spoofing [52.23271636362843]
  本稿では,その能力境界を意識した信頼認識顔アンチスプーフィングモデルを提案する。 各サンプルの予測中にその信頼性を推定する。 実験の結果,提案したCA-FASは予測精度の低いサンプルを効果的に認識できることがわかった。
  論文  参考訳（メタデータ） (2024-11-02T14:29:02Z)
• Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering [55.15192437680943]
  生成モデルは出力に対する厳密な統計的保証を欠いている。 厳密な統計的保証を満たす予測セットを生成する逐次共形予測法を提案する。 このことは、高い確率で予測セットが少なくとも1つの許容可能な(または有効な)例を含むことを保証している。
  論文  参考訳（メタデータ） (2024-10-02T15:26:52Z)
• Criticality and Safety Margins for Reinforcement Learning [53.10194953873209]
  我々は,定量化基盤真理とユーザにとっての明確な意義の両面から,批判的枠組みを定めようとしている。 エージェントがn連続的ランダム動作に対するポリシーから逸脱した場合の報酬の減少として真臨界を導入する。 我々はまた、真の臨界と統計的に単調な関係を持つ低オーバーヘッド計量であるプロキシ臨界の概念も導入する。
  論文  参考訳（メタデータ） (2024-09-26T21:00:45Z)
• Controlling Risk of Retrieval-augmented Generation: A Counterfactual Prompting Framework [77.45983464131977]
  我々は、RAGモデルの予測が誤りであり、現実のアプリケーションにおいて制御不能なリスクをもたらす可能性がどの程度あるかに焦点を当てる。 本研究は,RAGの予測に影響を及ぼす2つの重要な潜伏要因を明らかにする。 我々は,これらの要因をモデルに誘導し,その応答に与える影響を解析する,反実的プロンプトフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-09-24T14:52:14Z)
• Explainable machine learning for predicting shellfish toxicity in the Adriatic Sea using long-term monitoring data of HABs [0.0]
  我々は,魚介類中毒を正確に予測するために,機械学習モデルを訓練し,評価する。 The random forest model provided the best prediction of positive toxicity results based on the F1 score。 主要な種(Dinophysis fortii, D. caudata)と環境要因(塩分濃度, 河川排出量, 降水量)はDSPの発生の予測因子として最適であった。
  論文  参考訳（メタデータ） (2024-05-07T14:55:42Z)
• ABCD: Trust enhanced Attention based Convolutional Autoencoder for Risk Assessment [0.0]
  産業システムにおける異常検出は、機器故障の防止、リスク識別の確保、システム全体の効率の維持に不可欠である。 従来の監視方法は、固定されたしきい値と経験則に依存しており、システムの健康状態の微妙な変化を検出し、差し迫った失敗を予測するのに十分な敏感ではない。 本稿では,リスク検出のためのアテンションベース畳み込みオートエンコーダ(ABCD)を提案する。 ABCDは、実世界の産業用冷却システムの歴史的データから導電率の正常な挙動を学習し、入力データを再構成し、期待されるパターンから逸脱する異常を識別する。
  論文  参考訳（メタデータ） (2024-04-24T20:15:57Z)
• Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
  しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。 提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
  論文  参考訳（メタデータ） (2024-03-28T17:28:06Z)
• Hybrid Machine Learning techniques in the management of harmful algal blooms impact [0.7864304771129751]
  軟体動物栽培はハーモフル藻類(HAB)の影響を受けうる HABは高濃度の藻のエピソードであり、人間の消費に有害である可能性がある。 人的消費のリスクを避けるため、毒性が検出されると収穫が禁止される。
  論文  参考訳（メタデータ） (2024-02-14T15:59:22Z)
• Task-Driven Causal Feature Distillation: Towards Trustworthy Risk Prediction [19.475933293993076]
  本稿では,タスク駆動型因果的特徴蒸留モデル(TDCFD)を提案し,元の特徴値を因果的特徴属性に変換する。 因果的特徴蒸留後、信頼に値する予測結果を得るためにディープニューラルネットワークを適用する。 合成および実データを用いたTDCFD法の性能評価を行った。
  論文  参考訳（メタデータ） (2023-12-20T08:16:53Z)
• SMARLA: A Safety Monitoring Approach for Deep Reinforcement Learning Agents [7.33319373357049]
  本稿では,Deep Reinforcement Learning (DRL)エージェント用に特別に設計されたブラックボックス安全監視手法SMARLAを紹介する。 SMARLAは機械学習を利用して、実行中のエージェントの動作を観察し、安全違反を予測する。 実験の結果、SMARLAは偽陽性率の低い安全違反を予測するのに正確であり、違反が起こる前にエージェントの実行の途中で早期に違反を予測することができることが明らかになった。
  論文  参考訳（メタデータ） (2023-08-03T21:08:51Z)
• PAC$^m$-Bayes: Narrowing the Empirical Risk Gap in the Misspecified Bayesian Regime [75.19403612525811]
  この研究は、2つのリスク間のトレードオフを分散することでギャップを埋めることのできるマルチサンプル損失を開発する。 実証的研究は予測分布の改善を示す。
  論文  参考訳（メタデータ） (2020-10-19T16:08:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。