論文の概要: Analyzing Poverty through Intra-Annual Time-Series: A Wavelet Transform Approach

• arxiv url: http://arxiv.org/abs/2411.02855v1
• Date: Tue, 05 Nov 2024 06:59:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-06 15:02:15.873825
• Title: Analyzing Poverty through Intra-Annual Time-Series: A Wavelet Transform Approach
• Title（参考訳）: 年内時間系列による貧困の分析:ウェーブレット変換アプローチ
• Authors: Mohammad Kakooei, Klaudia Solska, Adel Daoud,
• Abstract要約: ランドサット画像と夜間光データを用いて,年内EOデータを用いたEO-ML手法の評価を行った。 以上の結果から, 特定のNDVI特徴とマルチスペクトルデータの統合は, 貧困分析に有意義な洞察をもたらすことが示唆された。
• 参考スコア（独自算出の注目度）: 2.3213238782019316
• License:
• Abstract: Reducing global poverty is a key objective of the Sustainable Development Goals (SDGs). Achieving this requires high-frequency, granular data to capture neighborhood-level changes, particularly in data scarce regions such as low- and middle-income countries. To fill in the data gaps, recent computer vision methods combining machine learning (ML) with earth observation (EO) data to improve poverty estimation. However, while much progress have been made, they often omit intra-annual variations, which are crucial for estimating poverty in agriculturally dependent countries. We explored the impact of integrating intra-annual NDVI information with annual multi-spectral data on model accuracy. To evaluate our method, we created a simulated dataset using Landsat imagery and nighttime light data to evaluate EO-ML methods that use intra-annual EO data. Additionally, we evaluated our method against the Demographic and Health Survey (DHS) dataset across Africa. Our results indicate that integrating specific NDVI-derived features with multi-spectral data provides valuable insights for poverty analysis, emphasizing the importance of retaining intra-annual information.
• Abstract（参考訳）: 世界の貧困削減は、持続可能な開発目標(SDG)の重要な目標である。 この達成には、特に低所得国や中所得国のようなデータ不足地域での、近隣レベルの変化を捉えるために、高周波で粒度の細かいデータが必要である。 データギャップを埋めるために、最近のコンピュータビジョン手法では、機械学習(ML)と地球観測(EO)データを組み合わせて貧困推定を改善する。 しかし、多くの進展が見られたが、農業に依存している国々の貧困を見積もるのに不可欠である年内変動を省略することが多い。 年次マルチスペクトルデータと年次NDVI情報の統合がモデル精度に及ぼす影響について検討した。 提案手法を評価するために,ランドサット画像と夜間光データを用いたシミュレーションデータセットを作成し,年内EOデータを用いたEO-ML手法の評価を行った。 さらに,アフリカにおけるDHS(Demographic and Health Survey)データセットとの比較を行った。 以上の結果から,NDVI由来の特徴を多スペクトルデータと組み合わせることで,年次情報保持の重要性が強調され,貧困分析に有意義な洞察が得られたことが示唆された。

関連論文リスト

• Detecting Training Data of Large Language Models via Expectation Maximization [62.28028046993391]
  メンバーシップ推論攻撃(MIA)は、特定のインスタンスがターゲットモデルのトレーニングデータの一部であるかどうかを判断することを目的としている。 大規模言語モデル(LLM)にMIAを適用することは、事前学習データの大規模化と、会員シップのあいまいさによって、ユニークな課題をもたらす。 EM-MIAは,予測最大化アルゴリズムを用いて,メンバーシップスコアとプレフィックススコアを反復的に洗練するLLMの新しいMIA手法である。
  論文  参考訳（メタデータ） (2024-10-10T03:31:16Z)
• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• A Scoping Review of Earth Observation and Machine Learning for Causal Inference: Implications for the Geography of Poverty [3.4137115855910762]
  コンピュータビジョンの初期の研究は、生活状態を推定するために予測モデルを使用した。 近年の作業は、この結果を予測するためにEOデータを使うだけでなく、因果推論を行うためにも使われている。
  論文  参考訳（メタデータ） (2024-05-30T20:48:10Z)
• Data Valuation by Leveraging Global and Local Statistical Information [25.911043100052588]
  グローバルとローカルの両方の値分布が、機械学習の文脈におけるデータ評価に有意な可能性を秘めていることを示す。 提案手法は,探索された分布特性を既存手法であるAMEに組み込むことで,Shapley値を推定する新しいデータ評価手法であるAMEを提案する。 また,グローバルな値分布と局所的な値分布の情報を統合した最適化問題を定式化することにより,動的データ評価問題に対処する新たな経路を提案する。
  論文  参考訳（メタデータ） (2024-05-23T08:58:08Z)
• Using a Local Surrogate Model to Interpret Temporal Shifts in Global Annual Data [5.669106489320257]
  本稿では、グローバルソースの年次データにおける経年変化を説明することに焦点を当てる。 我が国では、国民の幸福指数、経済自由度、人口指標に光を当てるために、LIME(Local Interpretable Model-Agnostic Explanations)を採用している。
  論文  参考訳（メタデータ） (2024-04-18T03:17:45Z)
• Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
  まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。 次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。 提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-11-22T22:15:17Z)
• 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)
• Harnessing Administrative Data Inventories to Create a Reliable Transnational Reference Database for Crop Type Monitoring [0.0]
  E URO C ROPSは,国家間の相互運用を目標として,各国で調査された管理データを収集・調和する作物型分類基準データセットである。
  論文  参考訳（メタデータ） (2023-10-10T07:57:00Z)
• Seeing poverty from space, how much can it be tuned? [0.0]
  本研究では, 組織的関係のない個人が, 特定の農業生態環境において, 地域貧困水準の予測の改善に寄与できることを実証した。 このアプローチは、衛星画像と「地上真実」データを現場から処理する深層学習による貧困のマッピングに関するいくつかの先駆的な取り組みに基づいている。 このプロジェクトの主な目的は、市民科学者、学生、組織が他の分野の手法を再現できるように、無償で利用可能なリソースを使用することで、コストを可能な限り低く抑えることであった。
  論文  参考訳（メタデータ） (2021-07-30T15:23:54Z)
• OR-Net: Pointwise Relational Inference for Data Completion under Partial Observation [51.083573770706636]
  この作業はリレーショナル推論を使って不完全なデータを埋めます。 本稿では,2つの点での相対性理論をモデル化するために,全関係ネットワーク (or-net) を提案する。
  論文  参考訳（メタデータ） (2021-05-02T06:05:54Z)
• Provably Efficient Causal Reinforcement Learning with Confounded Observational Data [135.64775986546505]
  オフラインで収集されたデータセット(観測データ)を組み込んで、オンライン環境でのサンプル効率を改善する方法について検討する。 提案手法は,観測データを効率よく組み込んだ,分解された楽観的値反復 (DOVI) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-22T14:49:33Z)

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。