論文の概要: Pattern Recognition of Scrap Plastic Misclassification in Global Trade Data

• arxiv url: http://arxiv.org/abs/2511.08638v1
• Date: Thu, 13 Nov 2025 01:01:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.162931
• Title: Pattern Recognition of Scrap Plastic Misclassification in Global Trade Data
• Title（参考訳）: グローバル取引データにおけるスラッププラスチックミス分類のパターン認識
• Authors: Muhammad Sukri Bin Ramli,
• Abstract要約: 本システムでは,取引データを分析して,平均単価が下がったときに報告された量の増加パターンである,新たな逆価格-ボリュームシグネチャを求める。 このモデルは0.9375の精度を達成し、大規模な国連データと詳細なファームレベルデータを比較して検証した。 このスケーラブルなツールは、従来型のインスペクションプロトコルから優先度ベースのインスペクションプロトコルに移行するための、透過的でデータ駆動の方法を提供する。
• 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 propose an interpretable machine learning framework to help identify trade data discrepancies that are challenging to detect with traditional methods. Our system analyzes trade data to find a novel inverse price-volume signature, a pattern where reported volumes increase as average unit prices decrease. The model achieves 0.9375 accuracy and was validated by comparing large-scale UN data with detailed firm-level data, confirming that the risk signatures are consistent. This scalable tool provides customs authorities with a transparent, data-driven method to shift from conventional to priority-based inspection protocols, translating complex data into actionable intelligence to support international environmental policies.
• Abstract（参考訳）: 本稿では,従来の手法では検出が困難であった貿易データの相違を識別するための解釈可能な機械学習フレームワークを提案する。 本システムでは,取引データを分析して,平均単価が下がったときに報告された量の増加パターンである,新たな逆価格-ボリュームシグネチャを求める。 このモデルは0.9375の精度を達成し、大規模な国連データと詳細なファームレベルデータを比較し、リスクシグネチャが一貫性があることを確認することによって検証された。 このスケーラブルなツールは、税関当局に、従来の検査プロトコルから優先順位に基づく検査プロトコルへ移行し、複雑なデータを行動可能なインテリジェンスに翻訳して、国際環境政策をサポートするための透過的でデータ駆動の方法を提供する。

関連論文リスト

• Semi-Supervised Federated Learning via Dual Contrastive Learning and Soft Labeling for Intelligent Fault Diagnosis [30.60728200709919]
  本稿では,半教師付きフェデレーション学習フレームワークSSFL-DCSLを提案する。 デュアルコントラストロスとソフトラベリングを統合して、データに対処し、分散クライアントのラベル不足に対処する。 最先端の手法で精度を1.15%から7.85%向上させることができる。
  論文  参考訳（メタデータ） (2025-07-12T10:54:23Z)
• Robust Molecular Property Prediction via Densifying Scarce Labeled Data [53.24886143129006]
  薬物発見において、研究を進める上で最も重要な化合物は、しばしば訓練セットを越えている。 本稿では, ラベル付きデータを利用して, 分布内データ(ID)と分布外データ(OOD)を補間する2段階最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T15:27:40Z)
• Optimizing Product Provenance Verification using Data Valuation Methods [24.59951827145763]
  安定同位体比分析(SIRA)に適用された機械学習モデルのトレーニングデータの選択と活用を促進するために設計された新しいデータ評価フレームワークを提案する。 我々は,その方法論を広範な実験で検証し,証明の検証を著しく強化し,不正取引を緩和し,グローバルサプライチェーンの規制執行を強化する可能性を実証した。
  論文  参考訳（メタデータ） (2025-02-21T03:16:19Z)
• Harnessing Administrative Data Inventories to Create a Reliable Transnational Reference Database for Crop Type Monitoring [0.0]
  E URO C ROPSは,国家間の相互運用を目標として,各国で調査された管理データを収集・調和する作物型分類基準データセットである。
  論文  参考訳（メタデータ） (2023-10-10T07:57:00Z)
• Enhancing Multiple Reliability Measures via Nuisance-extended Information Bottleneck [77.37409441129995]
  トレーニングデータに制限がある現実的なシナリオでは、データ内の多くの予測信号は、データ取得のバイアスからより多く得る。 我々は,相互情報制約の下で,より広い範囲の摂動をカバーできる敵の脅威モデルを考える。 そこで本研究では,その目的を実現するためのオートエンコーダベーストレーニングと,提案したハイブリッド識別世代学習を促進するための実用的なエンコーダ設計を提案する。
  論文  参考訳（メタデータ） (2023-03-24T16:03:21Z)
• CDKT-FL: Cross-Device Knowledge Transfer using Proxy Dataset in Federated Learning [27.84845136697669]
  我々は,グローバルモデルとローカルモデル間の知識伝達の程度を研究するために,新しい知識蒸留に基づくアプローチを開発する。 提案手法は局所モデルの大幅な高速化と高いパーソナライズ性能を実現する。
  論文  参考訳（メタデータ） (2022-04-04T14:49:19Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• Learning Bias-Invariant Representation by Cross-Sample Mutual Information Minimization [77.8735802150511]
  対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。 相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。 我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
  論文  参考訳（メタデータ） (2021-08-11T21:17:02Z)
• DAGA: Data Augmentation with a Generation Approach for Low-resource Tagging Tasks [88.62288327934499]
  線形化ラベル付き文に基づいて訓練された言語モデルを用いた新しい拡張手法を提案する。 本手法は, 教師付き設定と半教師付き設定の両方に適用可能である。
  論文  参考訳（メタデータ） (2020-11-03T07:49:15Z)

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。