論文の概要: An Interventional Approach to Real-Time Disaster Assessment via Causal Attribution

• arxiv url: http://arxiv.org/abs/2509.11676v1
• Date: Mon, 15 Sep 2025 08:17:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.195221
• Title: An Interventional Approach to Real-Time Disaster Assessment via Causal Attribution
• Title（参考訳）: 因果帰属によるリアルタイム防災評価への介入的アプローチ
• Authors: Saketh Vishnubhatla, Alimohammad Beigi, Rui Heng Foo, Umang Goel, Ujun Jeong, Bohan Jiang, Adrienne Raglin, Huan Liu,
• Abstract要約: 衛星画像、ニュース、ソーシャルメディアなどのリアルタイムデータソースを活用することで、従来の災害モデリングツールを補完する代替の介入ツールを提供する。 また,本ツールは,どの領域においても,推定重大度に対する要因の因果関係の解明にも有効である。
• 参考スコア（独自算出の注目度）: 10.45092551295612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traditional disaster analysis and modelling tools for assessing the severity of a disaster are predictive in nature. Based on the past observational data, these tools prescribe how the current input state (e.g., environmental conditions, situation reports) results in a severity assessment. However, these systems are not meant to be interventional in the causal sense, where the user can modify the current input state to simulate counterfactual "what-if" scenarios. In this work, we provide an alternative interventional tool that complements traditional disaster modelling tools by leveraging real-time data sources like satellite imagery, news, and social media. Our tool also helps understand the causal attribution of different factors on the estimated severity, over any given region of interest. In addition, we provide actionable recourses that would enable easier mitigation planning. Our source code is publicly available.
• Abstract（参考訳）: 災害の深刻度を評価するための従来の災害解析とモデリングツールは、自然界において予測可能である。 過去の観測データに基づいて、これらのツールは、現在の入力状態(例えば、環境条件、状況報告)がどのように重大度評価をもたらすかを規定する。 しかし、これらのシステムは因果的な意味での介入を意図していないため、ユーザは現在の入力状態を修正して、対実的な"What-if"シナリオをシミュレートすることができる。 本研究では,衛星画像やニュース,ソーシャルメディアなどのリアルタイムデータソースを活用することで,従来の災害モデリングツールを補完する代替的介入ツールを提供する。 また,本ツールは,どの領域においても,推定重大度に対する要因の因果関係の解明にも有効である。 さらに、より簡単な緩和計画を可能にする実行可能なリコースも提供します。 私たちのソースコードは公開されています。

関連論文リスト

• Statistical Inference for Responsiveness Verification [15.571656327462142]
  本稿では,これらの特徴に対する介入に関して,予測の応答性に関する形式的検証手順を導入する。 ブラックボックスアクセスのみを用いて,モデルおよびデータセットの予測に対する応答性を推定する方法を述べる。 到達可能な点の均一なサンプルを生成することによって,これらの推定値を構成するアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2025-07-02T21:50:08Z)
• CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [50.122541222825156]
  本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。 本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。 この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
  論文  参考訳（メタデータ） (2024-06-16T23:01:10Z)
• Performative Time-Series Forecasting [64.03865043422597]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• Spatio-temporal neural structural causal models for bike flow prediction [2.991894112851257]
  自転車シェアリングシステムの基本的な問題は、自転車のフロー予測である。 近年の輸送システムにおける文脈条件の過度な強調手法が注目されている。 時空間構造因果モデルを提案する。
  論文  参考訳（メタデータ） (2023-01-19T01:39:21Z)
• Dwelling Type Classification for Disaster Risk Assessment Using Satellite Imagery [3.88838725116957]
  周辺地域の危険度とリスク評価は, 災害対策に不可欠である。 既存のシステムは、時間と費用のかかるフィールドサーベイに依存するため、警告を解読し、超局所的なレベルでリスクの正確な範囲を評価するスケーラブルな方法を提供していない。 この研究において、機械学習は住居とそのタイプを特定するプロセスを自動化するために使用され、潜在的に効果的な災害脆弱性評価システムを構築した。
  論文  参考訳（メタデータ） (2022-11-16T03:08:15Z)
• auton-survival: an Open-Source Package for Regression, Counterfactual Estimation, Evaluation and Phenotyping with Censored Time-to-Event Data [14.928328404160299]
  検閲されたデータの処理を合理化するためのツールのオープンソースリポジトリであるauton-survivalを紹介します。 我々は、複雑な健康問題や疫学的な疑問に答える上で、データサイエンティストを迅速に支援するオートンサバイバルの能力を実証する。
  論文  参考訳（メタデータ） (2022-04-15T00:24:56Z)
• Assessing out-of-domain generalization for robust building damage detection [78.6363825307044]
  建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。 モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。 今後はOOD体制に重点を置くべきだと我々は主張する。
  論文  参考訳（メタデータ） (2020-11-20T10:30:43Z)
• Forecasting COVID-19 daily cases using phone call data [0.0]
  本稿では,コールデータを用いて日次確認症例数を予測するために最適化した簡易な多重線形回帰モデルを提案する。 提案手法は, ARIMA, ETS, および呼び出しデータのない回帰モデルより優れており, 3点予測誤差, 1点予測間隔, 2点の確率予測精度測定によって評価される。
  論文  参考訳（メタデータ） (2020-10-05T18:07:07Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)

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。