論文の概要: Predicting Internet Connectivity in Schools: A Feasibility Study Leveraging Multi-modal Data and Location Encoders in Low-Resource Settings

• arxiv url: http://arxiv.org/abs/2412.12188v1
• Date: Fri, 13 Dec 2024 20:20:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-18 14:00:13.100575
• Title: Predicting Internet Connectivity in Schools: A Feasibility Study Leveraging Multi-modal Data and Location Encoders in Low-Resource Settings
• Title（参考訳）: 学校におけるインターネット接続性の予測:低リソース環境におけるマルチモーダルデータとロケーションエンコーダを活用した可能性の検討
• Authors: Kelsey Doerksen, Casper Fibaek, Rochelle Schneider, Do-Hyung Kim, Isabelle Tingzon,
• Abstract要約: EOとMLを用いた学校インターネット接続予測に関する研究について述べる。 EOおよび地上データを用いたMLは, 精度, F1スコア, 偽陽性率において, 両国で最高の成績を示した。 我々の研究は、低リソース環境でのデータ駆動型デジタルインフラ開発を支援する実践的なアプローチを示します。
• 参考スコア（独自算出の注目度）: 1.7111728540102638
• License:
• Abstract: Internet connectivity in schools is critical to provide students with the digital literary skills necessary to compete in modern economies. In order for governments to effectively implement digital infrastructure development in schools, accurate internet connectivity information is required. However, traditional survey-based methods can exceed the financial and capacity limits of governments. Open-source Earth Observation (EO) datasets have unlocked our ability to observe and understand socio-economic conditions on Earth from space, and in combination with Machine Learning (ML), can provide the tools to circumvent costly ground-based survey methods to support infrastructure development. In this paper, we present our work on school internet connectivity prediction using EO and ML. We detail the creation of our multi-modal, freely-available satellite imagery and survey information dataset, leverage the latest geographically-aware location encoders, and introduce the first results of using the new European Space Agency phi-lab geographically-aware foundational model to predict internet connectivity in Botswana and Rwanda. We find that ML with EO and ground-based auxiliary data yields the best performance in both countries, for accuracy, F1 score, and False Positive rates, and highlight the challenges of internet connectivity prediction from space with a case study in Kigali, Rwanda. Our work showcases a practical approach to support data-driven digital infrastructure development in low-resource settings, leveraging freely available information, and provide cleaned and labelled datasets for future studies to the community through a unique collaboration between UNICEF and the European Space Agency phi-lab.
• Abstract（参考訳）: 学校におけるインターネット接続は、現代の経済で競争するために必要なデジタル文学のスキルを学生に提供するために重要である。 学校におけるデジタルインフラ開発を効果的に実施するには、正確なインターネット接続情報が必要である。 しかし、従来の調査に基づく手法は、政府の財政的・能力的限界を超える可能性がある。 オープンソースの地球観測(EO)データセットは、宇宙から地球上の社会経済的状況を観察し、理解する能力を解き放ち、機械学習(ML)と組み合わせることで、インフラ開発を支援するためのコストの高い地上調査手法を回避できるツールを提供する。 本稿では,EOとMLを用いた学校インターネット接続予測に関する研究について述べる。 衛星画像とサーベイ情報データセットの作成について詳述し、最新の地理的に認識された位置エンコーダを活用し、欧州宇宙機関(ESA)の新しい地理的に認識された基礎モデルを用いてボツワナとルワンダのインターネット接続を予測した最初の結果を紹介した。 EOと地上データを用いたMLは、正確性、F1スコア、偽陽性率の両国で最高のパフォーマンスを示し、ルワンダのキガリでのケーススタディにより、宇宙からのインターネット接続予測の課題を強調した。 我々の研究は、低リソース環境でのデータ駆動型デジタルインフラ開発を支援するための実践的なアプローチを示し、自由な情報を活用し、UNICEFと欧州宇宙機関のphi-labとのユニークなコラボレーションを通じて、将来の研究のためのクリーン化およびラベル付きデータセットをコミュニティに提供する。

関連論文リスト

• Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
  私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。 インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。 多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
  論文  参考訳（メタデータ） (2024-02-28T00:22:42Z)
• Federated Fine-Tuning of LLMs on the Very Edge: The Good, the Bad, the Ugly [62.473245910234304]
  本稿では,最新のエッジコンピューティングシステムにおいて,Large Language Modelsをどのように導入できるかを,ハードウェア中心のアプローチで検討する。 マイクロレベルのハードウェアベンチマークを行い、FLOPモデルと最先端のデータセンターGPUを比較し、現実的な条件下でのネットワーク利用について検討する。
  論文  参考訳（メタデータ） (2023-10-04T20:27:20Z)
• Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
  ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。 デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。 本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
  論文  参考訳（メタデータ） (2022-09-01T03:27:33Z)
• 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)
• From Distributed Machine Learning to Federated Learning: A Survey [49.7569746460225]
  分散学習は、分散データとコンピューティングリソースを利用するための効率的なアプローチとして現れる。 本論文では,連合学習システムの機能構造と関連手法の分類法を提案する。 本稿では,flシステムの分散トレーニング,データ通信,セキュリティについて述べる。
  論文  参考訳（メタデータ） (2021-04-29T14:15:11Z)
• Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
  本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。 また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
  論文  参考訳（メタデータ） (2020-12-01T11:46:03Z)
• Population Mapping in Informal Settlements with High-Resolution Satellite Imagery and Equitable Ground-Truth [1.4414055798999759]
  低所得都市部における密集集落の人口推定のための一般化可能な枠組みを提案する。 我々は,地域コミュニティと連携して収集される等質な地平データを用いている。 本研究では,フレキシブルでカスタマイズ可能な空間分解能を実現するグリッド型人口推定モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-17T16:37:32Z)
• Object Recognition for Economic Development from Daytime Satellite Imagery [0.1779398251245519]
  本稿では,高解像度衛星画像からインフラ特徴を抽出する新しい手法を提案する。 我々は、アフリカの21か国にまたがる1kmの格子セル500万kmの高解像度衛星画像を収集した。
  論文  参考訳（メタデータ） (2020-09-11T14:07:12Z)
• Utilizing Satellite Imagery Datasets and Machine Learning Data Models to Evaluate Infrastructure Change in Undeveloped Regions [0.0]
  本研究の目的は、鉄道などの大規模インフラプロジェクトを対象とした自動監視により、建設の方向性を定義し予測するための信頼性の高い指標を決定することである。 利用可能な衛星データを用いて3Dメッシュとデジタル表面モデル(DSM)を作成することにより、輸送経路を効果的に予測できることを期待する。
  論文  参考訳（メタデータ） (2020-09-01T02:11:14Z)
• Predicting cell phone adoption metrics using satellite imagery [1.2691047660244335]
  世界の人口の約半数はインターネットにアクセスできないが、デジタル接続は経済発展の機会に革命をもたらすことによって貧困を減らすことができる。 モバイルネットワーク事業者と政府は、特に需要が不明なグリーンフィールド地域で、インフラ投資が有効かどうかを効果的に判断するのに苦労している。 本稿では,携帯電話の普及やモバイルサービスへの支出など通信需要の指標を予測するために,公開衛星画像を用いた機械学習手法を提案し,その手法をマラウイとエチオピアに適用する。
  論文  参考訳（メタデータ） (2020-06-12T16:47:45Z)
• Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
  慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。 正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。 我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
  論文  参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。