論文の概要: Identifying Key Features for Establishing Sustainable Agro-Tourism Centre: A Data Driven Approach

• arxiv url: http://arxiv.org/abs/2509.09214v1
• Date: Thu, 11 Sep 2025 07:43:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.272584
• Title: Identifying Key Features for Establishing Sustainable Agro-Tourism Centre: A Data Driven Approach
• Title（参考訳）: 持続可能なアグロツーリズムセンターを確立するための重要な特徴の特定:データ駆動アプローチ
• Authors: Alka Gadakh, Vidya Kumbhar, Sonal Khosla, Kumar Karunendra,
• Abstract要約: 本研究は,総合的な文献レビューを通じて重要な指標の同定と,第2段階の最先端技術を用いて,農業ツーリズムの成長の重要な指標の同定を行った。
• 参考スコア（独自算出の注目度）: 0.06363400715351396
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agro-tourism serves as a strategic economic model designed to facilitate rural development by diversifying income streams for local communities like farmers while promoting the conservation of indigenous cultural heritage and traditional agricultural practices. As a very booming subdomain of tourism, there is a need to study the strategies for the growth of Agro-tourism in detail. The current study has identified the important indicators for the growth and enhancement of agro-tourism. The study is conducted in two phases: identification of the important indicators through a comprehensive literature review and in the second phase state-of-the-art techniques were used to identify the important indicators for the growth of agro-tourism. The indicators are also called features synonymously, the machine learning models for feature selection were applied and it was observed that the Least Absolute Shrinkage and Selection Operator (LASSO) method combined with, the machine Learning Classifiers such as Logistic Regression (LR), Decision Trees (DT), Random Forest (RF) Tree, and Extreme Gradient Boosting (XGBOOST) models were used to suggest the growth of the agro-tourism. The results show that with the LASSO method, LR model gives the highest classification accuracy of 98% in 70-30% train-test data followed by RF with 95% accuracy. Similarly, in the 80-20% train-test data LR maintains the highest accuracy at 99%, while DT and XGBoost follow with 97% accuracy.
• Abstract（参考訳）: 農業ツーリズムは、農民のような地域社会の収入の流れを多様化させ、先住民の文化遺産や伝統的な農業慣行の保全を促進することによって、農村開発を促進するための戦略的経済モデルとして機能する。 観光の非常に急激なサブドメインとして、アグロツーリズムの成長戦略を詳細に研究する必要がある。 この研究は、アグロツーリズムの成長と強化の重要な指標を特定している。 本研究は,総合的な文献レビューを通じて重要な指標の同定と,第2段階の最先端技術を用いて,農業ツーリズムの成長の重要な指標の同定を行った。 また、特徴選択のための機械学習モデルを適用し、最小絶対収縮・選択演算子(LASSO)法と組み合わせて、ロジスティック回帰(LR)、決定木(DT)、ランダムフォレスト(RF)木、エクストリームグラディエントブースティング(XGBOOST)モデルなどの機械学習分類器を用いて、アグロツーリズムの成長を示唆した。 その結果, LASSO法では, LRモデルが最も高い分類精度が70～30%の列車試験データで98%, RFが95%の精度で得られた。 同様に、80-20%の列車試験データでは、LRは99%の精度を維持し、DTとXGBoostは97%の精度で続く。

関連論文リスト

• Weed Detection in Challenging Field Conditions: A Semi-Supervised Framework for Overcoming Shadow Bias and Data Scarcity [7.019137213828947]
  本研究は、診断駆動型半教師付きフレームワークにより、両方の問題に取り組む。 我々は、サトウキビのギニアグラスのラベル付き画像に約975枚と1万枚をラベル付けしたユニークなデータセットを使用します。 我々の研究は、堅牢なコンピュータビジョンシステムの開発、診断、改善のための明確でフィールドテストされたフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-08-27T01:55:47Z)
• G-OSR: A Comprehensive Benchmark for Graph Open-Set Recognition [54.45837774534411]
  ノードレベルとグラフレベルの両方でグラフオープンセット認識(GOSR)手法を評価するベンチマークである textbfG-OSR を導入する。 結果は、現在のGOSR手法の一般化可能性と限界に関する重要な洞察を与える。
  論文  参考訳（メタデータ） (2025-03-01T13:02:47Z)
• WeedVision: Multi-Stage Growth and Classification of Weeds using DETR and RetinaNet for Precision Agriculture [0.0]
  本研究は対象検出モデルを用いて174クラスにわたる16種の雑草を同定・分類する。 203,567枚の画像からなる頑健なデータセットを開発した。 RetinaNetは優れた性能を示し、トレーニングセットで0.907、テストセットで0.904の平均平均精度(mAP)を達成した。
  論文  参考訳（メタデータ） (2025-02-16T20:49:22Z)
• A novel fusion of Sentinel-1 and Sentinel-2 with climate data for crop phenology estimation using Machine Learning [0.0]
  機械学習(ML) LightGBMモデルをトレーニングし、ドイツ全土の8大作物について、20mスケールで13の表現学的段階を予測する。 全国規模では、予測表現学はR2 > 0.43の妥当な精度と平均絶対誤差を6日間に抑えた。
  論文  参考訳（メタデータ） (2024-08-16T13:44:35Z)
• Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
  最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。 我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。 また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
  論文  参考訳（メタデータ） (2024-07-19T14:53:18Z)
• Sparse Attention Regression Network Based Soil Fertility Prediction With Ummaso [0.0]
  主な目的は、不均一なデータ分布の影響を克服し、土壌肥育モデルの予測精度を改善することである。 導入されたモデルはスパースアテンションレグレッションを使用しており、不均衡なデータセットから関連する機能を効果的に取り入れている。 提案モデルでは,優れた性能指標が得られ,予測精度は98%に達した。
  論文  参考訳（メタデータ） (2024-04-16T04:17:17Z)
• Leveraging Pre-trained CNNs for Efficient Feature Extraction in Rice Leaf Disease Classification [1.4874449172133892]
  我々は、事前訓練された畳み込みニューラルネットワーク(CNN)における特徴抽出手法の統合の影響を厳格に評価する。 オリエントグラディエント(HOG)のヒストグラムはアーキテクチャ全体で大幅に改善され、特にEfficientNet-B7の精度は92%から97%に向上した。 Grad-CAMは、HOG統合が疾患特異的な特徴への注意を高め、観察されたパフォーマンス向上を裏付けることを明らかにした。
  論文  参考訳（メタデータ） (2024-02-26T07:19:48Z)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• To be Critical: Self-Calibrated Weakly Supervised Learning for Salient Object Detection [95.21700830273221]
  弱教師付き有色物体検出(WSOD)は,画像レベルのアノテーションを用いた有色度モデルの開発を目的としている。 擬似ラベルとネットワーク予測の相互校正ループを明確に設定し,自己校正学習戦略を提案する。 十分に整合したアノテーションを持つはるかに小さなデータセットであっても、モデルがより優れたパフォーマンスと一般化性を達成するのに役立ちます。
  論文  参考訳（メタデータ） (2021-09-04T02:45:22Z)
• Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
  特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。 衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
  論文  参考訳（メタデータ） (2020-07-07T12:44:17Z)

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。