論文の概要: Behavior-Specific Filtering for Enhanced Pig Behavior Classification in Precision Livestock Farming

• arxiv url: http://arxiv.org/abs/2507.21021v1
• Date: Mon, 28 Jul 2025 17:42:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-29 16:23:58.232397
• Title: Behavior-Specific Filtering for Enhanced Pig Behavior Classification in Precision Livestock Farming
• Title（参考訳）: 精密畜産における豚行動分類のための行動特異的ろ過法
• Authors: Zhen Zhang, Dong Sam Ha, Gota Morota, Sook Shin,
• Abstract要約: 提案した行動特異的フィルタリング法は、ウェーブレットデノナイジングとローパスフィルタを組み合わせることで、活性および不活性なブタの行動に適合し、94.73%のピーク精度を達成した。 これらの結果は、動物行動監視の強化、健康管理の改善と農業効率の向上に行動特異的なフィルタリングの有効性を強調した。
• 参考スコア（独自算出の注目度）: 2.5260397112048207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study proposes a behavior-specific filtering method to improve behavior classification accuracy in Precision Livestock Farming. While traditional filtering methods, such as wavelet denoising, achieved an accuracy of 91.58%, they apply uniform processing to all behaviors. In contrast, the proposed behavior-specific filtering method combines Wavelet Denoising with a Low Pass Filter, tailored to active and inactive pig behaviors, and achieved a peak accuracy of 94.73%. These results highlight the effectiveness of behavior-specific filtering in enhancing animal behavior monitoring, supporting better health management and farm efficiency.
• Abstract（参考訳）: 本研究では, 精密畜産における行動分類精度を向上させるための行動特異的フィルタリング手法を提案する。 ウェーブレットの復調のような従来のフィルタリング手法は91.58%の精度を達成したが、全ての動作に一様処理を適用した。 対照的に、提案された行動特異的フィルタリング法は、ウェーブレットデノナイジングとローパスフィルタを組み合わせ、活性および不活性なブタの行動に合わせて調整し、94.73%のピーク精度を達成した。 これらの結果は、動物行動監視の強化、健康管理の改善と農業効率の向上に行動特異的なフィルタリングの有効性を強調した。

関連論文リスト

• Optimized Gradient Clipping for Noisy Label Learning [26.463965846251938]
  我々はOGC(Optimized Gradient Clipping)と呼ばれるシンプルだが効果的なアプローチを提案する。 OGCは、クリッピング後のクリーン勾配に対するノイズ勾配の比に基づいて、クリッピング閾値を動的に調整する。 実験は, 対称, 非対称, インスタンス依存, 実世界の雑音など, 様々な種類のラベルノイズにまたがって, OGCの有効性を実証した。
  論文  参考訳（メタデータ） (2024-12-12T05:08:05Z)
• Learnable Behavior Control: Breaking Atari Human World Records via Sample-Efficient Behavior Selection [56.87650511573298]
  本稿では,LBC(Learable Behavioral Control)と呼ばれるフレームワークを提案する。 我々のエージェントは10077.52%の平均正規化スコアを達成し、1Bのトレーニングフレーム内で24人の世界記録を突破した。
  論文  参考訳（メタデータ） (2023-05-09T08:00:23Z)
• A noise-robust acoustic method for recognizing foraging activities of grazing cattle [35.21388806827219]
  NRFAR(Noth-Robust Foraging Activity Recognizer)と呼ばれる音響手法の動作原理と一般化能力について述べる。 ノイズのない環境では、NRFARは平均的平衡精度86.4%に達し、以前の2つの音響手法を7.5%以上上回った。 NRFARは厳しい放牧環境において有効であることが示されており、牧草管理を改善し、乳牛の健康と福祉をモニタリングするための信頼性の高いソリューションとして利用することができる。
  論文  参考訳（メタデータ） (2023-04-28T13:06:14Z)
• A Data-Driven Gaussian Process Filter for Electrocardiogram Denoising [5.359295206355495]
  提案したGPフィルタをPhyloNet QT Database上の最先端ウェーブレットベースフィルタと比較した。 提案したGPフィルタは, 試験された全てのノイズレベルに対して, ベンチマークフィルタより優れていた。 また、QT間隔推定誤差バイアスと分散の観点から、最先端フィルタよりも優れている。
  論文  参考訳（メタデータ） (2023-01-06T17:09:20Z)
• Partial Identification with Noisy Covariates: A Robust Optimization Approach [94.10051154390237]
  観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。 このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。 合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
  論文  参考訳（メタデータ） (2022-02-22T04:24:26Z)
• Quantile Filtered Imitation Learning [49.11859771578969]
  量子フィルタ模倣学習(QFIL)は、オフライン強化学習用に設計されたポリシー改善演算子である。 我々はQFILが機能近似による安全なポリシー改善のステップを提供することを証明した。 QFILはD4RLベンチマークでよく機能します。
  論文  参考訳（メタデータ） (2021-12-02T03:08:23Z)
• Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
  ガウス過程回帰に基づく適応型低域通過フィルタを提案する。 本研究では,提案手法の誤差が一様境界であることを示す。
  論文  参考訳（メタデータ） (2021-11-05T17:06:59Z)
• Embedded Chaotic Whale Survival Algorithm for Filter-Wrapper Feature Selection [44.626347405310334]
  機能選択(FS)は、データセットから関連する機能のみを特定するのに役立つ、挑戦的な前処理技術である。 Whale Optimization Algorithm(WOA)のバイナリバージョンは、ハチクジラの捕食行動にインスパイアされた人気のあるFS技術である。 本稿では,WOAの組込み型組込み型カオス鯨生存アルゴリズム(ECWSA)を提案し,そのラッパープロセスを用いて高い分類精度を実現する。
  論文  参考訳（メタデータ） (2020-05-10T07:01:18Z)

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。