論文の概要: An Explainable AI based approach for Monitoring Animal Health

• arxiv url: http://arxiv.org/abs/2508.10210v3
• Date: Mon, 18 Aug 2025 19:26:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 13:30:22.873851
• Title: An Explainable AI based approach for Monitoring Animal Health
• Title（参考訳）: 動物健康モニタリングのための説明可能なAIベースのアプローチ
• Authors: Rahul Jana, Shubham Dixit, Mrityunjay Sharma, Ritesh Kumar,
• Abstract要約: 牛の健康をモニタリングし、収穫を最適化することは、農場ですべての動物を追跡するのが困難であるため、乳製品農家が直面する重要な課題である。 本研究は、乳牛(牛)の活動と行動を説明する説明可能な機械学習(ML)手法に基づく、現代的なデータ駆動型農業の実践を紹介することを目的とする。
• 参考スコア（独自算出の注目度）: 0.2749898166276853
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monitoring cattle health and optimizing yield are key challenges faced by dairy farmers due to difficulties in tracking all animals on the farm. This work aims to showcase modern data-driven farming practices based on explainable machine learning(ML) methods that explain the activity and behaviour of dairy cattle (cows). Continuous data collection of 3-axis accelerometer sensors and usage of robust ML methodologies and algorithms, provide farmers and researchers with actionable information on cattle activity, allowing farmers to make informed decisions and incorporate sustainable practices. This study utilizes Bluetooth-based Internet of Things (IoT) devices and 4G networks for seamless data transmission, immediate analysis, inference generation, and explains the models performance with explainability frameworks. Special emphasis is put on the pre-processing of the accelerometers time series data, including the extraction of statistical characteristics, signal processing techniques, and lag-based features using the sliding window technique. Various hyperparameter-optimized ML models are evaluated across varying window lengths for activity classification. The k-nearest neighbour Classifier achieved the best performance, with AUC of mean 0.98 and standard deviation of 0.0026 on the training set and 0.99 on testing set). In order to ensure transparency, Explainable AI based frameworks such as SHAP is used to interpret feature importance that can be understood and used by practitioners. A detailed comparison of the important features, along with the stability analysis of selected features, supports development of explainable and practical ML models for sustainable livestock management.
• Abstract（参考訳）: 牛の健康をモニタリングし、収穫を最適化することは、農場ですべての動物を追跡するのが困難であるため、乳製品農家が直面する重要な課題である。 本研究の目的は、乳牛(牛)の活動と行動を説明する機械学習(ML)手法に基づく、現代的なデータ駆動型農業の実践を紹介することである。 3軸加速度センサの連続データ収集と、堅牢なML方法論とアルゴリズムの使用により、農家や研究者に牛の活動に関する実行可能な情報を提供し、農家が情報的決定を行い、持続可能なプラクティスを組み込むことができる。 本研究は,Bluetoothベースのモノのインターネット(IoT)デバイスと4Gネットワークを用いて,シームレスなデータ伝送,即時解析,推論生成を行い,説明可能性フレームワークを用いてモデル性能を説明する。 加速度計の時系列データの事前処理には, 統計特性の抽出, 信号処理技術, スライディングウインドウ技術を用いたラグベースの特徴量など, 特に重点を置いている。 アクティビティ分類のために,様々なウィンドウ長にまたがるパラメータ最適化MLモデルの評価を行った。 kアレスト近傍の分類器は、AUCの平均0.98、標準偏差0.0026、テストセット0.99で最高の性能を達成した。 透過性を確保するため、SHAPのような説明可能なAIベースのフレームワークは、実践者が理解し使用可能な機能の重要性を解釈するために使用される。 重要な特徴の詳細な比較と、選択された特徴の安定性分析は、持続可能な家畜管理のための説明可能なMLモデルと実用的なMLモデルの開発を支援する。

関連論文リスト

• Multimodal AI Systems for Enhanced Laying Hen Welfare Assessment and Productivity Optimization [0.0]
  養鶏の未来は、主観的で労働集約的な福祉チェックをデータ駆動のインテリジェントなモニタリングエコシステムに置き換えることに依存する。 伝統的な福祉評価は、人間の観察と単一センサーのデータによって制限されるが、現代の農場における鶏の福祉の複雑な多次元的な性質を完全には捉えられない。 この研究は、生産性と倫理的、科学に基づく動物ケアを一体化する、反応的、一助的モニタリングから、積極的な、精密な福祉システムへの移行の基礎を築いた。
  論文  参考訳（メタデータ） (2025-08-11T05:17:16Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [78.18946529195254]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• Evaluation of Artificial Intelligence Methods for Lead Time Prediction in Non-Cycled Areas of Automotive Production [1.3499500088995464]
  本研究では,自動車生産環境における人工知能適用の有効性について検討した。 データ構造は、コンテキストの特徴を識別するために分析され、ワンホット符号化を使用して前処理される。 この研究は、高度に可変された生産データにAIメソッドを効果的に適用し、ビジネス価値を付加できることを実証している。
  論文  参考訳（メタデータ） (2025-01-13T13:28:03Z)
• A Novel Transformer-Based Self-Supervised Learning Method to Enhance Photoplethysmogram Signal Artifact Detection [0.0699049312989311]
  本研究は、自己教師付き学習(SSL)を用いて、このデータから潜伏した特徴を抽出することにより、豊富なラベル付きデータの未利用に対処する。 実験の結果,SSLはTransformerモデルの表現学習能力を大幅に向上させることがわかった。 このアプローチは、注釈付きデータがしばしば制限されるPICU環境において、より広範なアプリケーションに対して約束される。
  論文  参考訳（メタデータ） (2024-01-02T04:00:48Z)
• Semi-Supervised Class-Agnostic Motion Prediction with Pseudo Label Regeneration and BEVMix [59.55173022987071]
  クラス非依存動作予測のための半教師あり学習の可能性について検討する。 我々のフレームワークは一貫性に基づく自己学習パラダイムを採用しており、ラベルのないデータからモデルを学習することができる。 本手法は,弱さと完全教師付き手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2023-12-13T09:32:50Z)
• Weak Supervision Performance Evaluation via Partial Identification [46.73061437177238]
  Programmatic Weak Supervision (PWS) は、地上の真理ラベルに直接アクセスすることなく、教師付きモデルトレーニングを可能にする。 本稿では,モデル評価を部分的同定問題としてフレーミングすることで,この問題に対処する新しい手法を提案する。 提案手法は,従来の弱監督評価手法において,ラベル付きデータを必要とせず,重要な指標に信頼性のあるバウンダリを導出する。
  論文  参考訳（メタデータ） (2023-12-07T07:15:11Z)
• Transfer Learning without Knowing: Reprogramming Black-box Machine Learning Models with Scarce Data and Limited Resources [78.72922528736011]
  そこで我々は,ブラックボックス・アタベラル・リプログラミング (BAR) という新しい手法を提案する。 ゼロオーダー最適化とマルチラベルマッピング技術を用いて、BARは入力出力応答のみに基づいてブラックボックスMLモデルをプログラムする。 BARは最先端の手法より優れ、バニラ対逆プログラミング法に匹敵する性能を得る。
  論文  参考訳（メタデータ） (2020-07-17T01:52:34Z)
• A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
  固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。 我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
  論文  参考訳（メタデータ） (2020-06-22T08:35:58Z)
• Machine learning approaches for identifying prey handling activity in otariid pinnipeds [12.814241588031685]
  本稿では,アザラシの捕食行動の同定に焦点をあてる。 考慮すべきデータは、アザラシに直接取り付けられたデバイスによって収集された3D加速度計と深度センサーのストリームである。 機械学習(ML)アルゴリズムに基づく自動モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-10T15:30:08Z)

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。