論文の概要: Prediction of Herd Life in Dairy Cows Using Multi-Head Attention Transformers

• arxiv url: http://arxiv.org/abs/2511.21034v1
• Date: Wed, 26 Nov 2025 04:07:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-27 18:37:58.957788
• Title: Prediction of Herd Life in Dairy Cows Using Multi-Head Attention Transformers
• Title（参考訳）: マルチヘッドアテンショントランスを用いた乳牛の牧畜生活の予測
• Authors: Mahdi Saki, Justin Lipman,
• Abstract要約: 我々は、出生から記録された時系列データを用いて、牛の寿命を予測するAI駆動モデルを開発した。 オーストラリアの7つの農場にまたがる19,000頭のユニークな牛から、約780万の記録を分析しました。 以上の結果から,本モデルは群集の生活予測において83%の総合的決定係数を達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 2.4493299476776778
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dairy farmers should decide to keep or cull a cow based on an objective assessment of her likely performance in the herd. For this purpose, farmers need to identify more resilient cows, which can cope better with farm conditions and complete more lactations. This decision-making process is inherently complex, with significant environmental and economic implications. In this study, we develop an AI-driven model to predict cow longevity using historical multivariate time-series data recorded from birth. Leveraging advanced AI techniques, specifically Multi-Head Attention Transformers, we analysed approximately 780,000 records from 19,000 unique cows across 7 farms in Australia. The results demonstrate that our model achieves an overall determination coefficient of 83% in predicting herd life across the studied farms, highlighting its potential for practical application in dairy herd management.
• Abstract（参考訳）: 乳牛農家は、牧場における彼女のパフォーマンスの客観的評価に基づいて、牛を飼うか、または飼うか決めるべきである。 この目的のためには、農家はより回復力のある牛を識別する必要がある。 この意思決定プロセスは本質的に複雑で、環境と経済的に重要な意味を持つ。 本研究では、出生から記録された歴史的多変量時系列データを用いて、牛の寿命を予測するAI駆動モデルを開発する。 先進的なAI技術、特にマルチヘッドアテンショントランスフォーマーを活用して、オーストラリアの7つの農場にまたがる19,000頭のユニークな牛から、約780,000のレコードを分析しました。 以上の結果から,本モデルが農家全体の牧草生活予測において83%の総合的決定係数を達成できることが示唆された。

関連論文リスト

• Distilled Protein Backbone Generation [59.63474232035653]
  拡散およびフローベースの生成モデルは、デノボタンパク質の設計に前例のない能力を提供する。 これらのモデルは生成速度によって制限され、しばしば逆拡散過程において数百の反復的なステップを必要とする。 本研究は,Score Identity Distillation (SiD) を用いて,数段階のタンパク質バックボーン生成装置の訓練を行う方法を示す。
  論文  参考訳（メタデータ） (2025-10-03T15:25:08Z)
• AI in Agriculture: A Survey of Deep Learning Techniques for Crops, Fisheries and Livestock [77.95897723270453]
  作物、漁業、家畜が世界の食料生産のバックボーンを形成し、成長を続ける世界の人口を養うのに不可欠である。 これらの問題に対処するには、効率的で正確でスケーラブルな技術ソリューションが必要であり、人工知能(AI)の重要性を強調している。 本調査では,従来の機械学習アプローチ,高度なディープラーニング技術,最新のビジョン言語基礎モデルなど,200以上の研究成果を体系的かつ徹底的にレビューする。
  論文  参考訳（メタデータ） (2025-07-29T17:59:48Z)
• Agri-LLaVA: Knowledge-Infused Large Multimodal Assistant on Agricultural Pests and Diseases [49.782064512495495]
  農業分野における最初のマルチモーダル・インストラクション・フォロー・データセットを構築した。 このデータセットは、約40万のデータエントリを持つ221種類以上の害虫と病気をカバーしている。 本稿では,農業用マルチモーダル対話システムであるAgri-LLaVAを開発するための知識注入型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-12-03T04:34:23Z)
• From Microbes to Methane: AI-Based Predictive Modeling of Feed Additive Efficacy in Dairy Cows [0.0]
  本研究は, 乳牛の飼料添加剤の有効性を予測するために, ラムエン微生物データを用いた。 本研究は, 飼料添加剤を原料として, 乳の収量と乳組成を最適化するトランスフォーメーション能力について検討した。
  論文  参考訳（メタデータ） (2023-11-21T10:57:28Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• BovineTalk: Machine Learning for Vocalization Analysis of Dairy Cattle under Negative Affective States [0.09786690381850353]
  牛は口を閉じた,あるいは部分的に閉じた,近距離接触のための低周波発声 (LF) と遠距離通信のための高周波発声 (HF) の2種類の発声を行った。 本稿では,深層学習と説明可能な機械学習,高頻度および低周波の牛の鳴き声の分類,および個別の牛の音声認識の2つの計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:07:03Z)
• Segmentation Enhanced Lameness Detection in Dairy Cows from RGB and Depth Video [8.906235809404189]
  早期の乳腺検出は、農家が早期に病気に対処し、牛の状態を悪化させることによるネガティブな影響を避けるのに役立つ。 乳房から出る牛の短いクリップのデータセットを収集し,牛の乳腺の程度を注釈した。 我々は、トレーニング済みのニューラルネットワークを利用してビデオから識別的特徴を抽出し、その状態を示す各牛にバイナリスコアを割り当てる「健康」または「ラム」を提案する。
  論文  参考訳（メタデータ） (2022-06-09T12:16:31Z)
• Video-based cattle identification and action recognition [0.910162205512083]
  家畜の行動を自動的に分析し,牛の福祉をモニタリングする作業プロトタイプを実演する。 深層学習モデルは農場で取得したビデオで開発、テストされ、牛の識別には81.2%の精度が達成されている。
  論文  参考訳（メタデータ） (2021-10-14T00:55:56Z)
• T-LEAP: occlusion-robust pose estimation of walking cows using temporal information [0.0]
  乳牛の健康障害である乳腺は、乳牛の歩行を分析して一般的に検出される。 モデルが自動的に画像やビデオの解剖学的ランドマークをローカライズすることを学ぶので、牛の歩行はポーズ推定モデルを使用してビデオで追跡することができます。 ほとんどの動物のポーズ推定モデルは静的であり、ビデオはフレームごとに処理され、時間的情報を使用しない。
  論文  参考訳（メタデータ） (2021-04-16T10:50:56Z)
• Counting Cows: Tracking Illegal Cattle Ranching From High-Resolution Satellite Imagery [59.32805936205217]
  牛の農業は世界の温室効果ガス排出量の8.8%を占めている。 40cmの解像度でアマゾンの衛星画像を取得し、合計28498頭の牛を含む903枚の画像のデータセットをまとめた。 本実験は,有望な結果を示し,これらの課題を解決するためのアルゴリズムとデータ収集プロセスのいずれにおいても,次のステップの重要方向を示すものである。
  論文  参考訳（メタデータ） (2020-11-14T19:07:39Z)
• 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。