論文の概要: Plant Bioelectric Early Warning Systems: A Five-Year Investigation into Human-Plant Electromagnetic Communication

• arxiv url: http://arxiv.org/abs/2506.04132v1
• Date: Wed, 04 Jun 2025 16:23:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-05 21:20:14.45724
• Title: Plant Bioelectric Early Warning Systems: A Five-Year Investigation into Human-Plant Electromagnetic Communication
• Title（参考訳）: 植物バイオエレクトロニック早期警報システム:人間-素線電磁通信の5年間の研究
• Authors: Peter A. Gloor,
• Abstract要約: 植物は、人間の近接性、感情状態、生理的状態に関連する異なる生体電気信号を生成する。 ResNet50アーキテクチャに基づくディープラーニングモデルは、人間の感情状態の分類において97%の精度を達成した。 本研究は, 従来の植物感覚能力の理解に挑戦し, 農業, 医療, 植物間相互作用研究における実践的応用を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a comprehensive investigation into plant bioelectric responses to human presence and emotional states, building on five years of systematic research. Using custom-built plant sensors and machine learning classification, we demonstrate that plants generate distinct bioelectric signals correlating with human proximity, emotional states, and physiological conditions. A deep learning model based on ResNet50 architecture achieved 97% accuracy in classifying human emotional states through plant voltage spectrograms, while control models with shuffled labels achieved only 30% accuracy. This study synthesizes findings from multiple experiments spanning 2020-2025, including individual recognition (66% accuracy), eurythmic gesture detection, stress prediction, and responses to human voice and movement. We propose that these phenomena represent evolved anti-herbivory early warning systems, where plants detect approaching animals through bioelectric field changes before physical contact. Our results challenge conventional understanding of plant sensory capabilities and suggest practical applications in agriculture, healthcare, and human-plant interaction research.
• Abstract（参考訳）: 本研究は,5年間の系統的な研究に基づいて,人間の存在と感情状態に対する植物生体電気応答の総合的な調査を行う。 人工的な植物センサと機械学習の分類を用いて、植物が人間の近接性、感情状態、生理状態に関連する異なる生体電気信号を生成することを示した。 ResNet50アーキテクチャに基づくディープラーニングモデルは、植物電圧スペクトログラムによる人間の感情状態の分類において97%の精度を達成し、シャッフルラベルを持つ制御モデルは30%の精度しか達成しなかった。 本研究では,2020-2025年の複数の実験から得られた知見を合成し,個人認識(66%の精度),尿道的ジェスチャー検出,ストレス予測,人間の声と動きに対する反応について検討した。 これらの現象は,生物電界の変化によって植物が接近する動物を物理的接触前に検出する,進化した反ハービボ早期警戒システムを示す。 本研究は, 従来の植物感覚能力の理解に挑戦し, 農業, 医療, 植物間相互作用研究における実践的応用を提案する。

関連論文リスト

• Automated Phytosensing: Ozone Exposure Classification Based on Plant Electrical Signals [10.274619512179882]
  本研究では, 生物の分散ネットワークを空気質センサとして利用し, その電気生理学的な測定を行い, 環境状態を推定することを提案する。 本手法は, 植物オゾン曝露を94.6%の精度で未確認データで分類することに成功した。 本研究は, コスト効率の高い高密度都市大気モニタリングシステムの開発に寄与する植物センシング装置の開発に有効である。
  論文  参考訳（メタデータ） (2024-12-17T20:29:00Z)
• Causal machine learning for single-cell genomics [94.28105176231739]
  単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。 まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。 次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
  論文  参考訳（メタデータ） (2023-10-23T13:35:24Z)
• Human Limits in Machine Learning: Prediction of Plant Phenotypes Using Soil Microbiome Data [0.2812395851874055]
  我々は,土壌と生物表現型との関係を理解するために,機械学習モデルの予測可能性について,初めて深く研究した。 土壌物理化学的特性や微生物集団密度などの環境特性をモデルに組み込んだ場合, 予測精度が向上することを示す。
  論文  参考訳（メタデータ） (2023-06-19T20:52:37Z)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• LudVision -- Remote Detection of Exotic Invasive Aquatic Floral Species using Drone-Mounted Multispectral Data [0.34998703934432673]
  ルートヴィヒア・ペプロイドは、欧州連合によって水生侵略種と見なされている。 我々の目標は、種の存在を特定する方法を開発することであった。 得られた画像から対象種を同定するため,Ludwigia p。
  論文  参考訳（メタデータ） (2022-07-12T15:43:21Z)
• Guiding Machine Perception with Psychophysics [10.042664333785444]
  心理学では、研究者は刺激のいくつかの側面をパラメトリック的に変化させ、その結果の被験者の刺激経験の変化を測定する。 このアプローチは、信号検出、しきい値の測定、理想的なオブザーバ分析など、知覚領域で広く使われている。 行動測定によって導かれる機械知覚は、任意に割り当てられた人間のラベルに制限されるガイダンスとは対照的に、人工知能のさらなる進歩を促進する大きな可能性を持っている。
  論文  参考訳（メタデータ） (2022-07-05T18:01:38Z)
• Data-driven emotional body language generation for social robotics [58.88028813371423]
  社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。 我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。 評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
  論文  参考訳（メタデータ） (2022-05-02T09:21:39Z)
• Video-based Remote Physiological Measurement via Cross-verified Feature Disentangling [121.50704279659253]
  非生理的表現と生理的特徴を混同するための横断的特徴分離戦略を提案する。 次に, 蒸留された生理特性を用いて, 頑健なマルチタスク生理測定を行った。 歪んだ特徴は、最終的に平均HR値やr信号のような複数の生理的信号の合同予測に使用される。
  論文  参考訳（メタデータ） (2020-07-16T09:39:17Z)
• Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
  時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。 我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。 分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
  論文  参考訳（メタデータ） (2020-02-05T21:38:57Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。