論文の概要: Counterfactual Analysis of Neural Networks Used to Create Fertilizer Management Zones

• arxiv url: http://arxiv.org/abs/2403.10730v1
• Date: Fri, 15 Mar 2024 23:29:32 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-19 22:04:53.155437
• Title: Counterfactual Analysis of Neural Networks Used to Create Fertilizer Management Zones
• Title（参考訳）: 肥料管理ゾーン作成に使用するニューラルネットワークのファクトファクト解析
• Authors: Giorgio Morales, John Sheppard,
• Abstract要約: 精密農業では、フィールド内変動を考慮した管理ゾーン(MZ)の利用は、効率的な肥料管理を促進する。 肥料の応答性に基づくMZクラスタリング手法を提案する。 2つの収量予測データセットの結果,MZ比に最も影響を与える特徴は,肥料流出を促進するか妨げる地形特性と関連していることが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Precision Agriculture, the utilization of management zones (MZs) that take into account within-field variability facilitates effective fertilizer management. This approach enables the optimization of nitrogen (N) rates to maximize crop yield production and enhance agronomic use efficiency. However, existing works often neglect the consideration of responsivity to fertilizer as a factor influencing MZ determination. In response to this gap, we present a MZ clustering method based on fertilizer responsivity. We build upon the statement that the responsivity of a given site to the fertilizer rate is described by the shape of its corresponding N fertilizer-yield response (N-response) curve. Thus, we generate N-response curves for all sites within the field using a convolutional neural network (CNN). The shape of the approximated N-response curves is then characterized using functional principal component analysis. Subsequently, a counterfactual explanation (CFE) method is applied to discern the impact of various variables on MZ membership. The genetic algorithm-based CFE solves a multi-objective optimization problem and aims to identify the minimum combination of features needed to alter a site's cluster assignment. Results from two yield prediction datasets indicate that the features with the greatest influence on MZ membership are associated with terrain characteristics that either facilitate or impede fertilizer runoff, such as terrain slope or topographic aspect.
• Abstract（参考訳）: 精密農業では、フィールド内変動を考慮した管理ゾーン(MZ)の利用は、効率的な肥料管理を促進する。 このアプローチにより、窒素(N)速度の最適化により、収量生産を最大化し、農業利用効率を高めることができる。 しかし,MZ決定に影響を及ぼす要因として,肥料に対する応答性の考慮は,既存の作業では無視されることが多い。 このギャップに対応するために,肥料の応答性に基づくMZクラスタリング手法を提案する。 本研究は, 施肥率に対する所定部位の応答性は, 対応する施肥収率(N-応答性)曲線の形状によって説明されることを示す。 そこで、畳み込みニューラルネットワーク(CNN)を用いて、フィールド内のすべてのサイトに対するN応答曲線を生成する。 近似されたN-応答曲線の形状は、機能的主成分分析を用いて特徴づけられる。 その後、様々な変数がMZメンバシップに与える影響を明らかにするために、CFE法を適用した。 遺伝的アルゴリズムに基づくCFEは、多目的最適化問題を解くとともに、サイトのクラスタ割り当てを変更するために必要な機能の最小の組み合わせを特定することを目的としている。 2つの収量予測データセットの結果,MZ比に最も影響を与える特徴は,地形斜面や地形面など,肥料流出を促進するか妨げる地形特性に関連していることが示された。

関連論文リスト

• Influence Maximization via Graph Neural Bandits [54.45552721334886]
  IM問題を多ラウンド拡散キャンペーンに設定し,影響を受けやすいユーザ数を最大化することを目的とした。 IM-GNB(Influence Maximization with Graph Neural Bandits)を提案する。
  論文  参考訳（メタデータ） (2024-06-18T17:54:33Z)
• Chasing Fairness in Graphs: A GNN Architecture Perspective [73.43111851492593]
  グラフニューラルネットワーク(GNN)の統一最適化フレームワーク内で設計されたtextsfFair textsfMessage textsfPassing(FMP)を提案する。 FMPでは、アグリゲーションがまず隣人の情報を活用するために採用され、バイアス軽減ステップにより、人口集団ノードのプレゼンテーションセンタが明示的に統合される。 ノード分類タスクの実験により、提案されたFMPは、実世界の3つのデータセットの公平性と正確性の観点から、いくつかのベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2023-12-19T18:00:15Z)
• Accelerating Convolutional Neural Network Pruning via Spatial Aura Entropy [0.0]
  プルーニング(pruning)は、畳み込みニューラルネットワーク(CNN)モデルの計算複雑性とメモリフットプリントを低減する一般的なテクニックである。 MI計算の既存の手法は、高い計算コストとノイズに対する感度に悩まされ、最適プルーニング性能が低下する。 空間オーラエントロピーを用いたCNNプルーニングのためのMI計算の改良手法を提案する。
  論文  参考訳（メタデータ） (2023-12-08T09:43:49Z)
• Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement Learning [53.00683059396803]
  マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。 本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。 本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
  論文  参考訳（メタデータ） (2023-10-06T10:40:46Z)
• Counterfactual Explanations of Neural Network-Generated Response Curves [0.0]
  本稿では,回帰ニューラルネットワークを用いて応答を近似するシステムについて考察する。 本稿では, 応答曲線の形状に最も関連性の高い特徴の同定に, 反実的説明(CFE)を用いることを提案する。
  論文  参考訳（メタデータ） (2023-04-08T16:25:21Z)
• Fixed-budget online adaptive mesh learning for physics-informed neural networks. Towards parameterized problem inference [0.0]
  本稿では,PDE 残差の局所最大値と局所最小値に基づくコロケーションポイントのトレーニングのための固定予算オンライン適応メッシュ学習(FBOAML)手法を提案する。 FBOAMLは、高次位置を識別でき、古典的なPINNよりも物理分野の予測が優れている。
  論文  参考訳（メタデータ） (2022-12-22T15:12:29Z)
• Contrastive Adaptive Propagation Graph Neural Networks for Efficient Graph Learning [65.08818785032719]
  グラフネットワーク(GNN)は、構造認識特徴の抽出と伝播によってグラフデータの処理に成功している。 近年,地域と高階の双方からなる拡張された隣人を直接扱えるように,近隣住民に焦点を絞った局所的伝播計画から拡張的伝播計画へと発展してきた。 優れた性能にもかかわらず、既存のアプローチは、局所的および高次隣人の影響を適応的に調整できる効率的で学習可能な拡張伝搬スキームを構築するのにはまだ不十分である。
  論文  参考訳（メタデータ） (2021-12-02T10:35:33Z)
• A hybrid MGA-MSGD ANN training approach for approximate solution of linear elliptic PDEs [0.0]
  MGA-MSGD(Modified Genetic-Multilevel Gradient Descent)トレーニングアルゴリズムを導入しました。 ANNによるPDEによって記述された3次元機械的問題の精度と効率を大幅に改善する。
  論文  参考訳（メタデータ） (2020-12-18T10:59:07Z)
• Cyclic Label Propagation for Graph Semi-supervised Learning [52.102251202186025]
  本稿では,CycPropと呼ばれるグラフ半教師付き学習のための新しいフレームワークを提案する。 CycPropはGNNを周期的かつ相互に強化された方法でラベル伝播の過程に統合する。 特に,提案するCycPropでは,GNNモジュールが学習したノード埋め込みをラベル伝搬による拡張情報で更新する。
  論文  参考訳（メタデータ） (2020-11-24T02:55:40Z)
• Bayesian Graph Neural Networks with Adaptive Connection Sampling [62.51689735630133]
  グラフニューラルネットワーク(GNN)における適応接続サンプリングのための統一的なフレームワークを提案する。 提案フレームワークは,深部GNNの過度なスムース化や過度に適合する傾向を緩和するだけでなく,グラフ解析タスクにおけるGNNによる不確実性の学習を可能にする。
  論文  参考訳（メタデータ） (2020-06-07T07:06:35Z)

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。