論文の概要: Can Explainable AI Assess Personalized Health Risks from Indoor Air Pollution?

• arxiv url: http://arxiv.org/abs/2501.06222v1
• Date: Tue, 07 Jan 2025 03:37:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 17:24:47.935145
• Title: Can Explainable AI Assess Personalized Health Risks from Indoor Air Pollution?
• Title（参考訳）: 説明可能なAIは、室内空気汚染から個人化された健康リスクを評価することができるか?
• Authors: Pritisha Sarkar, Kushalava reddy Jala, Mousumi Saha,
• Abstract要約: 既存の研究は主に監視に重点を置いており、室内汚染源をピンポイントする精度に欠けていた。 143名の被験者を対象に調査を行ったところ,室内大気汚染に対する意識は限定的であった。 本手法では,決定木,ランダムフォレスト,ナイーブベイズ,SVMモデルを統合し,決定木を用いて99.8%の精度で精度を向上する。
• 参考スコア（独自算出の注目度）: 0.0594961162060159
• License:
• Abstract: Acknowledging the effects of outdoor air pollution, the literature inadequately addresses indoor air pollution's impacts. Despite daily health risks, existing research primarily focused on monitoring, lacking accuracy in pinpointing indoor pollution sources. In our research work, we thoroughly investigated the influence of indoor activities on pollution levels. A survey of 143 participants revealed limited awareness of indoor air pollution. Leveraging 65 days of diverse data encompassing activities like incense stick usage, indoor smoking, inadequately ventilated cooking, excessive AC usage, and accidental paper burning, we developed a comprehensive monitoring system. We identify pollutant sources and effects with high precision through clustering analysis and interpretability models (LIME and SHAP). Our method integrates Decision Trees, Random Forest, Naive Bayes, and SVM models, excelling at 99.8% accuracy with Decision Trees. Continuous 24-hour data allows personalized assessments for targeted pollution reduction strategies, achieving 91% accuracy in predicting activities and pollution exposure.
• Abstract（参考訳）: 屋外大気汚染の影響を認めていないため、室内空気汚染の影響は不十分である。 日常的な健康リスクにもかかわらず、既存の研究は主にモニタリングに焦点を当てており、室内の汚染源を特定できない。 本研究では,室内活動が汚染レベルに与える影響を徹底的に調査した。 143名の被験者を対象に調査を行ったところ,室内大気汚染に対する意識は限定的であった。 線香の使用,室内喫煙,不適切な換気調理,過度なAC使用,偶発的な紙焼損などの活動を含む65日間の多様なデータを活用し,総合的なモニタリングシステムを開発した。 我々は,クラスタリング解析と解釈可能性モデル(LIME,SHAP)を用いて,汚染物質源と高精度な効果を同定する。 本手法では,決定木,ランダムフォレスト,ナイーブベイズ,SVMモデルを統合し,決定木を用いて99.8%の精度で精度を向上する。 連続24時間データにより、目標とする汚染削減戦略のパーソナライズされた評価が可能になり、活動予測と汚染暴露の精度は91%に達する。

関連論文リスト

• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• Investigating Data Contamination for Pre-training Language Models [46.335755305642564]
  我々は,一連のGPT-2モデルを事前学習することで,事前学習段階におけるデータ汚染の影響について検討する。 評価データから,テキスト汚染 (テキスト, 評価サンプルの入力テキスト) と接地トラス汚染 (テキスト, 入力に要求されるプロンプトと所望の出力) の両方の効果を強調した。
  論文  参考訳（メタデータ） (2024-01-11T17:24:49Z)
• Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
  メタンは最も強力な温室効果ガスの1つである。 現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。 深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
  論文  参考訳（メタデータ） (2023-08-21T19:36:50Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Novel Regression and Least Square Support Vector Machine Learning Technique for Air Pollution Forecasting [0.0]
  大気汚染ベンチマークの不適切な検出は、人間や生物にとって深刻な合併症をもたらす。 DR-LSSVに基づく大気汚染予測手法を提案する。 その結果, DR-LSSV技術は大気汚染予測性能を効果的に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-06-11T06:56:00Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Using Machine Learning to Predict Air Quality Index in New Delhi [0.0]
  各種汚染物質のレベルと大気質指標の予測には,SVRモデルを用いる。 このモデルは、二酸化炭素、一酸化炭素、二酸化窒素、粒子状物質2.5、地上レベルのオゾンなどの様々な汚染物質を、精度93.4%で予測する。
  論文  参考訳（メタデータ） (2021-12-10T00:20:05Z)
• Estimation of Air Pollution with Remote Sensing Data: Revealing Greenhouse Gas Emissions from Space [1.9659095632676094]
  地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。 本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-08-31T14:58:04Z)
• Assessing the Lockdown Effects on Air Quality during COVID-19 Era [8.733926566837676]
  特に、一酸化炭素(CO)、オゾン(O3)、二酸化窒素(NO2)、二酸化硫黄(SO2)などの特定の汚染ガスに対する濃度効果を強調した。 ヨーロッパ4都市(Athens, Gladsaxe, Lodz, Rome)に着目した大気質に及ぼすロックダウンの影響評価 雇用予防対策のレベルは、オックスフォード市政府対応トラッカーを用いて採用されている。 その結果, 汚染ガスの挙動を予測するモデルの構築が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T16:39:44Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)
• HazeDose: Design and Analysis of a Personal Air Pollution Inhaled Dose Estimation System using Wearable Sensors [6.284628903370058]
  我々はこのパラダイムを、個人の大気汚染をパーソナライズするHazeDoseシステムに拡張する。 ユーザはモバイルアプリケーションを通じて、パーソナライズされた大気汚染の暴露情報を視覚化できる。 1つのアルゴリズムは、代替ルートシナリオの実行時間と量削減のバランスをとるために導入された。
  論文  参考訳（メタデータ） (2020-05-28T02:35:13Z)

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。