Fugu-MT 論文翻訳(概要): Jal Anveshak: Prediction of fishing zones using fine-tuned LlaMa 2

論文の概要: Jal Anveshak: Prediction of fishing zones using fine-tuned LlaMa 2

arxiv url: http://arxiv.org/abs/2411.10050v1
Date: Fri, 15 Nov 2024 09:05:03 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-18 15:39:07.835410
Title: Jal Anveshak: Prediction of fishing zones using fine-tuned LlaMa 2
Title（参考訳）: Jal Anveshak: 微調整LlaMa 2による漁場予測
Authors: Arnav Mejari, Maitreya Vaghulade, Paarshva Chitaliya, Arya Telang, Lynette D'mello,
Abstract要約: Jal AnveshakはDartとFlutterで書かれたアプリケーションフレームワークである。 Llama 2ベースのLarge Language Modelは、漁獲量と可用性に関連する政府の事前処理および強化されたデータに基づいて微調整されている。
参考スコア（独自算出の注目度）: 0.049932093784950796
License:
Abstract: In recent years, the global and Indian government efforts in monitoring and collecting data related to the fisheries industry have witnessed significant advancements. Despite this wealth of data, there exists an untapped potential for leveraging artificial intelligence based technological systems to benefit Indian fishermen in coastal areas. To fill this void in the Indian technology ecosystem, the authors introduce Jal Anveshak. This is an application framework written in Dart and Flutter that uses a Llama 2 based Large Language Model fine-tuned on pre-processed and augmented government data related to fishing yield and availability. Its main purpose is to help Indian fishermen safely get the maximum yield of fish from coastal areas and to resolve their fishing related queries in multilingual and multimodal ways.
Abstract（参考訳）: 近年では、水産産業に関するデータを監視・収集する国際・インド政府の取り組みが大きな進展を見せている。この豊富なデータにもかかわらず、人工知能ベースの技術システムを活用して、沿岸地域のインド人漁師に利益をもたらす、未解決の可能性がある。この空白をインドの技術エコシステムで埋めるために、著者らはJal Anveshakを紹介した。これはDartとFlutterで記述されたアプリケーションフレームワークで、Llama 2ベースのLarge Language Modelを使用して、漁獲量と可用性に関連する政府の事前処理および強化されたデータに基づいて微調整される。その主な目的は、インド人漁師が沿岸部から魚の最大収量を得るのを助け、多言語および多モーダルな方法で漁業関連のクエリを解決することである。

関連論文リスト

RedPajama: an Open Dataset for Training Large Language Models [80.74772646989423]
我々は、オープンソースの言語モデルを前進させるために対処しなければならない3つの中核的なデータ関連課題を特定します。例えば、(1)データキュレーションプロセス、(2)大量の高品質データへのアクセス、(3)データセットキュレーションと分析のためのアーティファクトとメタデータの可用性などである。 LLaMAトレーニングデータセットのオープンレプリケーションであるRedPajama-V1と、生の未フィルタリングテキストデータと品質信号とメタデータからなる巨大なWeb専用データセットであるRedPajama-V2をリリースする。
論文参考訳（メタデータ） (2024-11-19T09:35:28Z)
Website visits can predict angler presence using machine learning [0.0]
漁業活動と環境または経済要因を関連付ける予測モデルは、典型的には歴史的データに依存している。湖のインフォメーションサイトだけで、毎日のアングルボートの存在を78%の精度で予測できるようになった。モデルは、モデル訓練に含まれる既知の湖で最大0.77のR2を達成したが、未知の湖では不十分であった。
論文参考訳（メタデータ） (2024-09-25T23:26:52Z)
SatBird: Bird Species Distribution Modeling with Remote Sensing and Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。ケニアでは低データのレシエーションを表すデータセットも提供しています。リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文参考訳（メタデータ） (2023-11-02T02:00:27Z)
Experiential-Informed Data Reconstruction for Fishery Sustainability and Policies in the Azores [3.2873782624127834]
我々は2010年から2017年にかけてアゾレス諸島の漁獲データ収集プログラムのユニークなデータセットに焦点を当てた。ドメイン知識と機械学習を利用して,魚の上陸毎にメティア関連情報を検索し,関連づける。
論文参考訳（メタデータ） (2023-09-17T17:17:38Z)
VisDA 2022 Challenge: Domain Adaptation for Industrial Waste Sorting [61.52419223232737]
産業廃棄物の選別において、最も大きな課題の1つは入力ストリームの極端な多様性である。産業廃棄物浄化における領域適応に関するVisDA 2022の課題について紹介する。
論文参考訳（メタデータ） (2023-03-26T21:38:38Z)
Towards The Creation Of The Future Fish Farm [3.8176219403982126]
魚の養殖環境は、管理された環境の中で魚介類の世話と管理を支援する。このセクターでは、効率を高めるために新しい技術が常に実装されている。本研究は,将来の養殖施設の効率性と利用性を示す概念実証である。
論文参考訳（メタデータ） (2023-01-02T21:41:06Z)
GAIA: A Transfer Learning System of Object Detection that Fits Your Needs [136.60609274344893]
大規模データセットの事前学習によるトランスファーラーニングは,コンピュータビジョンや自然言語処理において,ますます重要な役割を担っている。本稿では,物体検出の領域に着目し,GAIAと呼ばれる移動学習システムを提案する。 GAIAは、レイテンシ制約や指定されたデータドメインなどの下流要求に適合するモデルを選択する、強力な事前訓練されたウェイトを提供することができる。
論文参考訳（メタデータ） (2021-06-21T18:24:20Z)
The Fishnet Open Images Database: A Dataset for Fish Detection and Fine-Grained Categorization in Fisheries [0.0]
商業漁船における魚の発見と細粒度分類の大規模データセットである魚網オープン画像データベースについて述べる。データセットは、34のオブジェクトクラスを含む86,029の画像で構成されており、これまでで最大かつ最も多様な水産EM画像の公開データセットとなっている。我々は,既存の検出・分類アルゴリズムの性能を評価し,そのデータセットが漁業におけるコンピュータビジョンアルゴリズム開発のための挑戦的なベンチマークとなることを示す。
論文参考訳（メタデータ） (2021-06-16T23:53:18Z)
Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文参考訳（メタデータ） (2020-11-28T05:51:19Z)
Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文参考訳（メタデータ） (2020-08-29T15:14:03Z)
Predicting Illegal Fishing on the Patagonia Shelf from Oceanographic Seascapes [0.0]
違法で、報告されず、規制されていない(IUU)漁業は、魚の備蓄と管理の努力を損なう。船舶追跡データと機械学習を用いて、パタゴニア棚の違法な漁獲を予測する。
論文参考訳（メタデータ） (2020-07-10T16:31:25Z)

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。