論文の概要: Predicting Mycotoxin Contamination in Irish Oats Using Deep and Transfer Learning

• arxiv url: http://arxiv.org/abs/2512.22243v1
• Date: Tue, 23 Dec 2025 20:08:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:29.926373
• Title: Predicting Mycotoxin Contamination in Irish Oats Using Deep and Transfer Learning
• Title（参考訳）: ディープ・アンド・トランスファー・ラーニングによるアイルランドの麦のマイコトキシン汚染予測
• Authors: Alan Inglis, Fiona Doohan, Subramani Natarajan, Breige McNulty, Chris Elliott, Anne Nugent, Julie Meneely, Brett Greer, Stephen Kildea, Diana Bucur, Martin Danaher, Melissa Di Rocco, Lisa Black, Adam Gauley, Naoise McKenna, Andrew Parnell,
• Abstract要約: マイコトキシン汚染は穀物の品質、食品の安全性、農業生産性に重大なリスクをもたらす。 本研究は,アイリッシュオート作物のマイコトキシン汚染をマルチレスポンス予測タスクとして,ニューラルネットワークと移動学習モデルを用いて予測するものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mycotoxin contamination poses a significant risk to cereal crop quality, food safety, and agricultural productivity. Accurate prediction of mycotoxin levels can support early intervention strategies and reduce economic losses. This study investigates the use of neural networks and transfer learning models to predict mycotoxin contamination in Irish oat crops as a multi-response prediction task. Our dataset comprises oat samples collected in Ireland, containing a mix of environmental, agronomic, and geographical predictors. Five modelling approaches were evaluated: a baseline multilayer perceptron (MLP), an MLP with pre-training, and three transfer learning models; TabPFN, TabNet, and FT-Transformer. Model performance was evaluated using regression (RMSE, $R^2$) and classification (AUC, F1) metrics, with results reported per toxin and on average. Additionally, permutation-based variable importance analysis was conducted to identify the most influential predictors across both prediction tasks. The transfer learning approach TabPFN provided the overall best performance, followed by the baseline MLP. Our variable importance analysis revealed that weather history patterns in the 90-day pre-harvest period were the most important predictors, alongside seed moisture content.
• Abstract（参考訳）: マイコトキシン汚染は穀物の品質、食品の安全性、農業生産性に重大なリスクをもたらす。 マイコトキシンの正確な予測は、早期介入戦略をサポートし、経済的損失を減らすことができる。 本研究は,アイリッシュオート作物のマイコトキシン汚染をマルチレスポンス予測タスクとして,ニューラルネットワークと移動学習モデルを用いて予測するものである。 我々のデータセットはアイルランドで収集されたオークのサンプルからなり、環境、農業、地理的予測器が混在している。 5つのモデル手法として,ベースライン多層パーセプトロン(MLP),事前学習付きMLP,TabPFN,TabNet,FT-Transformerの3つの移行学習モデルが評価された。 モデル性能は回帰(RMSE, $R^2$)と分類(AUC, F1)を用いて評価した。 さらに、置換に基づく変数重要度分析を行い、両方の予測タスクで最も影響力のある予測器を同定した。 転送学習アプローチであるTabPFNは、全体的な最高のパフォーマンスを提供し、次にベースラインのMLPを提供する。 その結果,90日間の干ばつ期における気象履歴パターンが,種子含水量とともに最も重要な予測因子であることが判明した。

関連論文リスト

• FrogDeepSDM: Improving Frog Counting and Occurrence Prediction Using Multimodal Data and Pseudo-Absence Imputation [0.9537146822132906]
  種分布モデル (SDM) は、広範囲にわたる種の存在を予測するのに役立つ。 本研究では,深層学習とデータ計算技術を適用して,カエル(Anura)のSDM精度を向上させる。 実験の結果、データバランスはモデル性能を大幅に改善し、カエルカウントタスクにおいて平均絶対誤差(MAE)が189から29に削減された。
  論文  参考訳（メタデータ） (2025-10-22T07:09:36Z)
• A multi-locus predictiveness curve and its summary assessment for genetic risk prediction [5.050463389414008]
  本稿では,ケースコントロール研究のためのマルチマーカー予測曲線と非パラメトリック手法を提案する。 また、予測性曲線とROC曲線とローレンツ曲線との接続を実証する。 我々は,ニコチン依存のリスク予測モデルを評価するために,予測性曲線と予測性Uを用いて実データ解析を行った。
  論文  参考訳（メタデータ） (2025-03-28T15:49:39Z)
• Crop Yield Time-Series Data Prediction Based on Multiple Hybrid Machine Learning Models [6.10631040784366]
  本研究では,収穫量の時系列データ予測に焦点を当てた。 世界経済における農業の重要性と社会安定を考えると、この研究は長年にわたって複数の作物、複数の地域、データを含むデータセットを用いている。 収率予測には、線形回帰、ランダムフォレスト、グラディエントブースト、XGBoost、KNN、決定木、バッグング回帰といった複数のハイブリッド機械学習モデルが採用されている。
  論文  参考訳（メタデータ） (2025-01-21T23:41:33Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
  農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。 私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。 主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
  論文  参考訳（メタデータ） (2023-09-12T13:28:06Z)
• Comparative Analysis of Machine Learning Approaches to Analyze and Predict the Covid-19 Outbreak [10.307715136465056]
  疫学領域における新型コロナウイルスの流行を予測するための機械学習(ML)アプローチの比較分析を行った。 これらの結果から,短期的政策の意思決定を支援するMLアルゴリズムの利点が明らかになった。
  論文  参考訳（メタデータ） (2021-02-11T11:57:33Z)
• Coupling Machine Learning and Crop Modeling Improves Crop Yield Prediction in the US Corn Belt [2.580765958706854]
  本研究では,米コーンベルトにおける作物モデルと機械学習(ML)の結合によるトウモロコシ収量予測の改善について検討した。 主な目的は、ハイブリッドアプローチ(クロップモデリング+ML)がより良い予測をもたらすかどうかを探求し、トウモロコシ収量予測のためにMLと最も効果的に統合できる作物モデルから特徴を決定することである。
  論文  参考訳（メタデータ） (2020-07-28T16:22:44Z)

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。