Fugu-MT 論文翻訳(概要): Improving the accuracy of food security predictions by integrating conflict data

論文の概要: Improving the accuracy of food security predictions by integrating conflict data

arxiv url: http://arxiv.org/abs/2410.22342v1
Date: Sat, 12 Oct 2024 11:26:25 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-03 08:20:08.974403
Title: Improving the accuracy of food security predictions by integrating conflict data
Title（参考訳）: コンフリクトデータの統合による食品安全予測の精度向上
Authors: Marco Bertetti, Paolo Agnolucci, Alvaro Calzadilla, Licia Capra,
Abstract要約: 暴力と武力衝突は、食糧危機を引き起こす重要な要因として現れてきた。本稿ではアフリカにおける食料安全保障における暴力的紛争の影響を詳細に分析する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Violence and armed conflicts have emerged as prominent factors driving food crises. However, the extent of their impact remains largely unexplored. This paper provides an in-depth analysis of the impact of violent conflicts on food security in Africa. We performed a comprehensive correlation analysis using data from the Famine Early Warning Systems Network (FEWSNET) and the Armed Conflict Location Event Data (ACLED). Our results show that using conflict data to train machine learning models leads to a 1.5% increase in accuracy compared to models that do not incorporate conflict-related information. The key contribution of this study is the quantitative analysis of the impact of conflicts on food security predictions.
Abstract（参考訳）: 暴力と武力衝突は、食糧危機を引き起こす重要な要因として現れてきた。しかし、その影響の程度は未解明のままである。本稿ではアフリカにおける食料安全保障における暴力的紛争の影響を詳細に分析する。本研究では,Famine Early Warning Systems Network (FEWSNET) とArmed Conflict Location Event Data (ACLED) のデータを用いた総合的相関解析を行った。その結果,コンフリクトデータを用いて機械学習モデルをトレーニングすると,コンフリクト関連情報を含まないモデルに比べて精度が1.5%向上することがわかった。本研究の主な貢献は、食糧安全保障予測に対する紛争の影響を定量的に分析することである。

関連論文リスト

ECon: On the Detection and Resolution of Evidence Conflicts [56.89209046429291]
大規模言語モデル(LLM)の台頭は意思決定システムにおける情報の質に大きな影響を与えている。本研究では,実世界の誤情報シナリオをシミュレートするために,多様で検証された証拠衝突を生成する手法を提案する。
論文参考訳（メタデータ） (2024-10-05T07:41:17Z)
From Bytes to Bites: Using Country Specific Machine Learning Models to Predict Famine [0.0]
本研究では、飢餓と飢餓の危機に関する意思決定を予測し、伝達するために機械学習をどのように利用できるかを検討する。経済指標は一貫して平均的な家庭栄養の最も重要な予測要因であった。
論文参考訳（メタデータ） (2024-09-16T04:23:06Z)
Explainability of Sub-Field Level Crop Yield Prediction using Remote Sensing [6.65506917941232]
本研究では,アルゼンチン,ウルグアイ,ドイツにおけるダイズ,小麦,ラピセド作物の収量予測の課題に焦点をあてる。我々の目標は、衛星画像の大規模なデータセット、追加のデータモダリティ、収量マップを用いて、これらの作物の予測モデルを開発し、説明することである。モデル説明可能性について,入力特徴量の定量化,重要な成長段階の同定,フィールドレベルでの収量変動の解析,精度の低い予測を行う。
論文参考訳（メタデータ） (2024-07-11T08:23:46Z)
Practical Guide for Causal Pathways and Sub-group Disparity Analysis [1.8974791957167259]
我々は因果不均質分析を用いて、感度特性と結果の間の因果関係を定量化し、検証する。当社の2段階の調査は、レースがセンシティブな属性として機能するデータセットに焦点を当てています。本研究は,ML分類誤差が最も大きい部分群が,最も影響を受けやすい部分群であることが実証された。
論文参考訳（メタデータ） (2024-07-02T22:51:01Z)
Climate Change Impact on Agricultural Land Suitability: An Interpretable Machine Learning-Based Eurasia Case Study [94.07737890568644]
2021年現在、世界中で約8億8800万人が飢餓と栄養失調に見舞われている。気候変動は農地の適性に大きな影響を及ぼし、深刻な食糧不足に繋がる可能性がある。本研究は,経済・社会問題に苦しむ中央ユーラシアを対象とする。
論文参考訳（メタデータ） (2023-10-24T15:15:28Z)
Assessing the Causal Impact of Humanitarian Aid on Food Security [4.934192277899036]
本稿ではアフリカのホーンに対する因果推論の枠組みを紹介する。現金による介入が食糧危機に与える影響を評価することを目的としている。
論文参考訳（メタデータ） (2023-10-17T14:09:45Z)
Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
論文参考訳（メタデータ） (2023-08-22T12:53:09Z)
An Ordinal Latent Variable Model of Conflict Intensity [59.49424978353101]
ゴールドスタインスケール(Goldstein scale)は、紛争・協力的なスケールでイベントをスコアする、広く使われている専門家ベースの尺度である。本稿では、競合強度を測定するために、潜伏変数に基づくアプローチをとる。
論文参考訳（メタデータ） (2022-10-08T08:59:17Z)
Revealing the Excitation Causality between Climate and Political Violence via a Neural Forward-Intensity Poisson Process [6.612222792826491]
気候変動による政治的暴力における非線形因果メカニズムを捉えるために,ニューラルフォワード・インテンシティ・ポアソン・プロセス(NFIPP)モデルを提案する。我々の研究結果は過去20年間にわたって行われており、極端な気候現象と様々な国における政治的暴力との興奮に基づく因果関係が明らかになっている。
論文参考訳（メタデータ） (2022-03-09T03:54:23Z)
BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
論文参考訳（メタデータ） (2021-06-07T10:14:18Z)
Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
論文参考訳（メタデータ） (2020-03-09T07:41:17Z)

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。