論文の概要: Explainable Self-Organizing Artificial Intelligence Captures Landscape Changes Correlated with Human Impact Data
- arxiv url: http://arxiv.org/abs/2405.09547v1
- Date: Thu, 29 Feb 2024 16:22:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 08:49:26.583149
- Title: Explainable Self-Organizing Artificial Intelligence Captures Landscape Changes Correlated with Human Impact Data
- Title（参考訳）: 説明可能な自己組織化人工知能は、人間のインパクトデータと関連した景観変化をキャプチャする
- Authors: John M. Wandeto, Birgitta Dresp-Langley,
- Abstract要約: 自己組織型機械学習は、人間の専門家が見ることができないかもしれない視覚データの解析において、非常に成功している。
これは、ネバダ州ラスベガス郡にある2つの地理的関心領域のイメージングデータに基づいて達成される。
SOM分析は、人間の影響を明らかにする人口統計データの統計分析と組み合わせられる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Novel methods of analysis are needed to help advance our understanding of the intricate interplay between landscape changes, population dynamics, and sustainable development. Self organized machine learning has been highly successful in the analysis of visual data the human expert eye may not be able to see. Thus, subtle but significant changes in fine visual detail in images relating to trending alterations in natural or urban landscapes may remain undetected. In the course of time, such changes may be the cause or the consequence of measurable human impact. Capturing such change in imaging data as early as possible can make critical information readily available to citizens, professionals and policymakers. This promotes change awareness, and facilitates early decision making for action. Here, we use unsupervised Artificial Intelligence (AI) that exploits principles of self-organized biological visual learning for the analysis of imaging time series. The quantization error in the output of a Self Organizing Map prototype is exploited as a computational metric of variability and change. Given the proven sensitivity of this neural network metric to the intensity and polarity of image pixel colour, it is shown to capture critical changes in urban landscapes. This is achieved here on imaging data for two regions of geographic interest in Las Vegas County, Nevada, USA. The SOM analysis is combined with the statistical analysis of demographic data revealing human impacts. These latter are significantly correlated with the structural change trends in the numerical data for the specific regions of interest. By correlating data relative to the impact of human activities with numerical data indicating structural evolution, human footprint related environmental changes can be predictably scaled.
- Abstract（参考訳）: 景観変化, 人口動態, 持続可能な開発の間の複雑な相互作用の理解を深めるためには, 新たな分析方法が必要である。
自己組織型機械学習は、人間の専門家が見ることができないかもしれない視覚データの解析において、非常に成功している。
したがって、自然や都市景観の傾向の変化に関連する画像の微妙だが重要な視覚的詳細の変化は、発見されていないままである。
経年変化は、測定可能な人間の影響の原因または結果である可能性がある。
このような変化をできるだけ早く捉えれば、市民、専門家、政策立案者に重要な情報を容易に利用できるようになる。
これは変化の認識を促進し、行動の早期決定を促進する。
ここでは、画像時系列の分析に自己組織化された生物学的視覚学習の原理を利用する、教師なし人工知能(AI)を用いる。
自己組織化マップのプロトタイプの出力における量子化誤差は、変動性と変化の計算量として利用される。
画像画素カラーの強度と極性に対するこのニューラルネットワークメトリックの実証された感度を考えると、都市景観における重要な変化を捉えることができる。
これは、ネバダ州ラスベガス郡にある2つの地理的関心領域のイメージングデータに基づいて達成される。
SOM分析は、人間の影響を明らかにする人口統計データの統計分析と組み合わせられる。
これらの傾向は,興味のある領域の数値データの構造変化傾向と大きく相関している。
人間の活動の影響に関するデータと構造進化を示す数値データとを関連付けることにより、人間の足跡に関連する環境変化を予測可能とする。
関連論文リスト
- Estimating the distribution of numerosity and non-numerical visual magnitudes in natural scenes using computer vision [0.08192907805418582]
自然の視覚的な場面では、異なる数列の出現頻度は、電力法分布に従うことを示す。
本研究では, 連続度と数値の相関構造が, データセット, シーンタイプ間で安定であることを示す。
論文 参考訳（メタデータ） (2024-09-17T09:49:29Z) - Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。
本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
論文 参考訳（メタデータ） (2024-09-11T14:36:24Z) - Deep learning-based ecological analysis of camera trap images is impacted by training data quality and size [11.153016596465593]
アフリカサバンナとアジア亜熱帯乾燥林のカメラトラップデータの解析を行った。
我々は、専門家による種同定から得られた重要な生態指標と、深層ニューラルネットワークから生成された指標を比較した。
その結果、モデルアーキテクチャは最小限の影響しか与えないが、大量のノイズとデータセットサイズがこれらの指標に大きく影響していることが判明した。
論文 参考訳（メタデータ） (2024-08-26T15:26:27Z) - Data Augmentation in Human-Centric Vision [54.97327269866757]
本研究では,人間中心型視覚タスクにおけるデータ拡張手法の包括的分析を行う。
それは、人物のReID、人間のパーシング、人間のポーズ推定、歩行者検出など、幅広い研究領域に展開している。
我々の研究は、データ拡張手法をデータ生成とデータ摂動の2つの主なタイプに分類する。
論文 参考訳（メタデータ） (2024-03-13T16:05:18Z) - Guiding Visual Attention in Deep Convolutional Neural Networks Based on
Human Eye Movements [0.0]
ディープ畳み込みニューラルネットワーク(DCNN)は、当初は生物学的ビジョンの原理にインスパイアされていた。
近年のディープラーニングの進歩は、この類似性を減らしているようだ。
有用なモデルを得るための純粋にデータ駆動型アプローチについて検討する。
論文 参考訳（メタデータ） (2022-06-21T17:59:23Z) - Equivariance Allows Handling Multiple Nuisance Variables When Analyzing
Pooled Neuroimaging Datasets [53.34152466646884]
本稿では,構造空間上でインスタンス化された同変表現学習における最近の結果と,因果推論における古典的結果の簡易な利用が,いかに効果的に実現されたかを示す。
いくつかの仮定の下で、我々のモデルが複数のニュアンス変数を扱えることを実証し、そうでなければサンプルの大部分を取り除く必要のあるシナリオにおいて、プールされた科学データセットの分析を可能にする。
論文 参考訳（メタデータ） (2022-03-29T04:54:06Z) - Perception Over Time: Temporal Dynamics for Robust Image Understanding [5.584060970507506]
ディープラーニングは、狭く特定の視覚タスクにおいて、人間レベルのパフォーマンスを上回る。
人間の視覚知覚は入力刺激の変化に対して、桁違いに頑丈である。
静的画像理解に時間力学を取り入れた新しい手法を提案する。
論文 参考訳（メタデータ） (2022-03-11T21:11:59Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - SI-Score: An image dataset for fine-grained analysis of robustness to
object location, rotation and size [95.00667357120442]
オブジェクトの位置、回転、サイズを変えることは、非自明な方法で予測に影響を与える可能性がある。
合成データセットであるSI-Scoreを用いて,これらの変動要因に対するロバストネスのきめ細かい解析を行う。
論文 参考訳（メタデータ） (2021-04-09T05:00:49Z) - Revisiting the Modifiable Areal Unit Problem in Deep Traffic Prediction
with Visual Analytics [14.453075528447165]
本研究では,都市交通データの動的に変化するマルチスカラーアグリゲーションとニューラルネットワーク予測の関係を可視化する手法を提案する。
深センのタクシー旅行の現実的なデータセットを含む一連のケーススタディを通じて、我々のアプローチを評価する。
論文 参考訳（メタデータ） (2020-07-30T14:32:17Z) - Causal Discovery in Physical Systems from Videos [123.79211190669821]
因果発見は人間の認知の中心にある。
本研究では,ビデオの因果発見の課題を,地層構造を監督せずにエンドツーエンドで検討する。
論文 参考訳（メタデータ） (2020-07-01T17:29:57Z)
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。