論文の概要: Precision Soil Quality Analysis Using Transformer-based Data Fusion Strategies: A Systematic Review

• arxiv url: http://arxiv.org/abs/2410.18353v1
• Date: Thu, 24 Oct 2024 01:26:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-28 17:07:39.712602
• Title: Precision Soil Quality Analysis Using Transformer-based Data Fusion Strategies: A Systematic Review
• Title（参考訳）: 変圧器を用いたデータ融合手法による土壌の精密品質解析:システムレビュー
• Authors: Mahdi Saki, Rasool Keshavarz, Daniel Franklin, Mehran Abolhasan, Justin Lipman, Negin Shariati,
• Abstract要約: 本稿では,農業リモートセンシング(RS)におけるトランスフォーマーを用いたデータ融合技術の最近の進歩を概観する。 2022年以降、トランスフォーマーは従来のディープラーニングと機械学習の手法を大きく上回っていることを実証した。 このレビューは、作物の生産性を最適化し、持続可能な農業慣行を確実にする上で、土壌条件の重要性から、特に土壌分析に焦点を当てている。
• 参考スコア（独自算出の注目度）: 6.184871136700834
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This review explores the most recent advancements in transformer-based data fusion techniques in agricultural remote sensing (RS), with a particular focus on soil analysis. Utilizing a systematic, data-driven approach, we demonstrate that transformers have significantly outperformed conventional deep learning and machine learning methods since 2022, achieving prediction performance between 92% and 97%. The review is specifically focused on soil analysis, due to the importance of soil condition in optimizing crop productivity and ensuring sustainable farming practices. Transformer-based models have shown remarkable capabilities in handling complex multivariate soil data, improving the accuracy of soil moisture prediction, soil element analysis, and other soil-related applications. This systematic review primarily focuses on 1) analysing research trends and patterns in the literature, both chronologically and technically, and 2) conducting a comparative analysis of data fusion approaches, considering factors such as data types, techniques, and RS applications. Finally, we propose a roadmap for implementing data fusion methods in agricultural RS.
• Abstract（参考訳）: 本稿では,農業リモートセンシング(RS)におけるトランスフォーマーを用いたデータ融合技術の最近の進歩について,特に土壌分析に焦点をあてて検討する。 体系的なデータ駆動型アプローチを用いることで、2022年以降、トランスフォーマーは従来のディープラーニングと機械学習の手法を大きく上回っており、予測性能は92%から97%である。 このレビューは、作物の生産性を最適化し、持続可能な農業慣行を確実にする上で、土壌条件の重要性から、特に土壌分析に焦点を当てている。 変圧器を用いたモデルでは, 複雑な多変量土壌データの処理, 土壌水分予測の精度向上, 土壌元素分析, その他の土壌関連応用において, 顕著な能力を示した。 この体系的なレビューは主に焦点をあてる 1)文献における研究動向とパターンの分析(年代・技術ともに) 2)データタイプ,テクニック,RSアプリケーションなどの要因を考慮し,データ融合アプローチの比較分析を行う。 最後に,農業用RSにおけるデータ融合手法の実装に関するロードマップを提案する。

関連論文リスト

• Transformer-based Spatial Grounding: A Comprehensive Survey [3.309903719647421]
  本稿では,2018年から2025年にかけての変圧器を用いた空間接地手法について,系統的な文献レビューを行った。 我々の分析では、支配的なモデルアーキテクチャ、一般的なデータセット、広く採用されている評価指標を識別する。 この研究は、研究者や実践者にとって不可欠な洞察と構造化されたガイダンスを提供し、堅牢で信頼性があり、業界対応のモデルの開発を促進する。
  論文  参考訳（メタデータ） (2025-07-17T02:44:01Z)
• Machine Learning Models for Soil Parameter Prediction Based on Satellite, Weather, Clay and Yield Data [1.546169961420396]
  AgroLensプロジェクトは、研究室のテストに頼らずに土壌の栄養レベルを予測する機械学習ベースの方法論の開発に取り組んでいる。 このアプローチは、LUCAS土壌データセットとSentinel-2衛星画像を用いた堅牢なヨーロッパモデルの開発から始まる。 Random Forests、Extreme Gradient Boosting (XGBoost)、Fully Connected Neural Networks (FCNN)といった高度なアルゴリズムが実装され、正確な栄養予測のために微調整された。
  論文  参考訳（メタデータ） (2025-03-28T09:44:32Z)
• Generative Dataset Distillation Based on Self-knowledge Distillation [49.20086587208214]
  本稿では,予測ロジットの整列精度を向上させる新しい生成データセット蒸留法を提案する。 本手法は, 合成データと原データとのより正確な分布マッチングを実現するために, 自己知識蒸留を統合したものである。 提案手法は, 既存の最先端手法より優れており, 蒸留性能が良好である。
  論文  参考訳（メタデータ） (2025-01-08T00:43:31Z)
• Survey and Taxonomy: The Role of Data-Centric AI in Transformer-Based Time Series Forecasting [36.31269406067809]
  データ中心のAIは、AIモデルのトレーニング、特にトランスフォーマーベースのTSFモデルの効率的なトレーニングに不可欠である、と私たちは主張する。 我々は、データ中心のAIの観点から、これまでの研究成果をレビューし、トランスフォーマーベースのアーキテクチャとデータ中心のAIの将来の開発のための基礎的な作業を行うつもりです。
  論文  参考訳（メタデータ） (2024-07-29T08:27:21Z)
• Information Fusion in Smart Agriculture: Machine Learning Applications and Future Research Directions [6.060623947643556]
  レビューでは、機械学習(ML)技術とマルチソースデータ融合が組み合わさって、予測精度と意思決定を改善して精度の高い農業を強化する方法について論じている。 このレビューはAI研究と農業応用のギャップを埋め、研究者、産業専門家、政策立案者に情報融合とMLを利用して精密農業を推進するためのロードマップを提供する。
  論文  参考訳（メタデータ） (2024-05-23T17:53:31Z)
• A Comprehensive Survey on Data Augmentation [55.355273602421384]
  データ拡張(Data augmentation)は、既存のデータサンプルを操作することによって高品質な人工データを生成する技術である。 既存の文献調査では、特定のモダリティデータにのみ焦点が当てられている。 本稿では,異なる共通データモダリティのためのデータ拡張技術を含む,より啓蒙的な分類法を提案する。
  論文  参考訳（メタデータ） (2024-05-15T11:58:08Z)
• The Effect of Different Optimization Strategies to Physics-Constrained Deep Learning for Soil Moisture Estimation [5.804881282638357]
  水輸送と水感知信号に関する物理に基づく原理を統合するために,物理制約付き深層学習(P-DL)フレームワークを提案する。 実験的な収束関数Adamsは、ミニバッチとフルバッチのトレーニングの両方において、他の最適化手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-13T00:32:30Z)
• Importance-Aware Adaptive Dataset Distillation [53.79746115426363]
  ディープラーニングモデルの開発は、大規模データセットの可用性によって実現されている。 データセットの蒸留は、大きな元のデータセットから必須情報を保持するコンパクトなデータセットを合成することを目的としている。 本稿では, 蒸留性能を向上する重要適応型データセット蒸留(IADD)法を提案する。
  論文  参考訳（メタデータ） (2024-01-29T03:29:39Z)
• Federated Learning with Projected Trajectory Regularization [65.6266768678291]
  フェデレーション学習は、ローカルデータを共有せずに、分散クライアントから機械学習モデルの共同トレーニングを可能にする。 連合学習における重要な課題の1つは、クライアントにまたがる識別できない分散データを扱うことである。 本稿では,データ問題に対処するための予測軌道正則化(FedPTR)を備えた新しいフェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-22T02:12:08Z)
• Transformer-Powered Surrogates Close the ICF Simulation-Experiment Gap with Extremely Limited Data [24.24053233941972]
  本稿では,マルチモーダル出力シナリオにおける予測精度向上のためのトランスフォーマーを用いた新しい手法を提案する。 提案手法はトランスフォーマーアーキテクチャと新しいグラフベースのハイパーパラメータ最適化手法を統合する。 実世界のデータ10枚しか入手できない慣性閉じ込め核融合実験へのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-12-06T17:53:06Z)
• Filling the Missing: Exploring Generative AI for Enhanced Federated Learning over Heterogeneous Mobile Edge Devices [72.61177465035031]
  ローカルデータのFIMI(FIlling the MIssing)部分を活用することにより,これらの課題に対処する,AIを活用した創発的なフェデレーション学習を提案する。 実験の結果,FIMIはデバイス側エネルギーの最大50%を節約し,目標とするグローバルテスト精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2023-10-21T12:07:04Z)
• Predicting Crop Yield With Machine Learning: An Extensive Analysis Of Input Modalities And Models On a Field and sub-field Level [24.995959334158986]
  我々は,高解像度の収量マップを地中真理データとして使用し,サブフィールドレベルでの作物および機械学習モデルの訓練を行う。 我々は、天気、土壌、DEMデータを含む他の相補的なモダリティを含む入力データの一次モダリティとしてSentinel-2衛星画像を使用する。 提案手法は,グローバルな範囲で利用可能な入力モダリティを用いて,グローバルな拡張性を実現する。
  論文  参考訳（メタデータ） (2023-08-17T12:40:38Z)
• SSL-SoilNet: A Hybrid Transformer-based Framework with Self-Supervised Learning for Large-scale Soil Organic Carbon Prediction [2.554658234030785]
  本研究は,自己指導型コントラスト学習を通じて,マルチモーダル特徴間の地理的関連を学習することを目的とした,新しいアプローチを提案する。 提案手法は、2つの異なる大規模データセットに対して厳密なテストを行っている。
  論文  参考訳（メタデータ） (2023-08-07T13:44:44Z)
• Minimizing the Accumulated Trajectory Error to Improve Dataset Distillation [151.70234052015948]
  本稿では,フラットな軌道を求める最適化アルゴリズムを提案する。 合成データに基づいてトレーニングされた重みは、平坦な軌道への正規化を伴う累積誤差摂動に対して頑健であることを示す。 本手法はFTD (Flat Trajectory Distillation) と呼ばれ, 勾配整合法の性能を最大4.7%向上させる。
  論文  参考訳（メタデータ） (2022-11-20T15:49:11Z)
• TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual Environments [84.6017003787244]
  本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。 既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
  論文  参考訳（メタデータ） (2022-08-16T20:46:08Z)
• Data Fusion with Latent Map Gaussian Processes [0.0]
  多要素モデリングとキャリブレーションは、エンジニアリング設計においてユビキタスに発生するデータ融合タスクである。 本稿では,遅延マップガウス過程(LMGP)に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-12-04T00:54:19Z)
• Paradigm selection for Data Fusion of SAR and Multispectral Sentinel data applied to Land-Cover Classification [63.072664304695465]
  本稿では、畳み込みニューラルネットワーク(CNN)に基づく4つのデータ融合パラダイムを分析し、実装する。 目標は、最良のデータ融合フレームワークを選択するための体系的な手順を提供することであり、その結果、最高の分類結果が得られる。 この手順は、土地被覆分類のために検証されているが、他のケースに転送することができる。
  論文  参考訳（メタデータ） (2021-06-18T11:36:54Z)
• Rethinking Architecture Design for Tackling Data Heterogeneity in Federated Learning [53.73083199055093]
  注意に基づくアーキテクチャ(例えばTransformers)は、分散シフトに対してかなり堅牢であることを示す。 我々の実験は、畳み込みネットワークをトランスフォーマーに置き換えることによって、過去のデバイスを壊滅的に忘れることを大幅に減らせることを示した。
  論文  参考訳（メタデータ） (2021-06-10T21:04:18Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Using vis-NIRS and Machine Learning methods to diagnose sugarcane soil chemical properties [0.0]
  化学土壌の特性を知ることは、作物管理と総収量生産において決定的である。 従来の資産推定手法は時間がかかり、複雑な実験室のセットアップを必要とする。 スペクトル信号(vis-NIRS)からの物性推定は、低コストで非侵襲的で非破壊的な代替手段として現れた。
  論文  参考訳（メタデータ） (2020-12-23T21:46:41Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)
• DAGA: Data Augmentation with a Generation Approach for Low-resource Tagging Tasks [88.62288327934499]
  線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。 本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
  論文  参考訳（メタデータ） (2020-11-03T07:49:15Z)
• Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
  特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。 衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
  論文  参考訳（メタデータ） (2020-07-07T12:44:17Z)

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。