論文の概要: CERES: A Probabilistic Early Warning System for Acute Food Insecurity

• arxiv url: http://arxiv.org/abs/2603.09425v1
• Date: Tue, 10 Mar 2026 09:39:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.209679
• Title: CERES: A Probabilistic Early Warning System for Acute Food Insecurity
• Title（参考訳）: CERES:急性食品不安全のための確率論的早期警戒システム
• Abstract要約: CERESは、世界43カ国で、ICCフェーズ3+(クライシス)、フェーズ4+(緊急)、フェーズ5(飢餓)の90日間の予測を、毎週更新している。 このシステムは6つのデータストリーム、降水異常(CHIRPS)、植生指標(MODIS NDVI)、IPC分類、食品消費スコア(WFP)、穀物価格指標(FAO/WFP)を融合する。 全ての予測は、T+90地平線におけるIPC結果データに対する公開検証のためにタイムスタンプされ、暗号化され、アーカイブされる。
• 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 present CERES (Calibrated Early-warning and Risk Estimation System), an automated probabilistic forecasting system for acute food insecurity. CERES generates 90-day ahead probability estimates of IPC Phase 3+ (Crisis), Phase 4+ (Emergency), and Phase 5 (Famine) conditions for 43 high-risk countries globally, updated weekly. The system fuses six data streams, precipitation anomalies (CHIRPS), vegetation indices (MODIS NDVI), conflict events (ACLED), IPC classifications, food consumption scores (WFP), and cereal price indices (FAO/WFP) - through a logistic scoring model with author-specified initial coefficients and parametric input-perturbation intervals (n=2,000 draws). In historical back-validation against four IPC Phase 4-5 events selected for data completeness, CERES assigned TIER-1 classification in all four cases; these are in-sample sanity checks only, not prospective performance claims. All prospective predictions are timestamped, cryptographically identified, and archived for public verification against IPC outcome data at the T+90 horizon. To the author's knowledge, CERES is the first famine early warning system that is simultaneously: (1) probabilistic, (2) open-access, (3) continuously running, (4) machine-readable at prediction level, and (5) committed to public prospective verification of every prediction made.
• Abstract（参考訳）: 本稿では,急性食品安全のための自動確率予測システムであるCERES(Calibrated Early-warning and Risk Estimation System)を提案する。 CERESは、世界43カ国で、ICCフェーズ3+(クライシス)、フェーズ4+(緊急)、フェーズ5(飢餓)の90日間の予測を、毎週更新している。 このシステムは、6つのデータストリーム、降水異常(CHIRPS)、植生指標(MODIS NDVI)、コンフリクトイベント(ACLED)、IPC分類、食品消費スコア(WFP)、穀物価格指標(FAO/WFP)を、著者特定初期係数とパラメトリック入力摂動間隔(n=2,000ドローイング)によるロジスティック評価モデルを通じて融合する。 データ完全性のために選択された4つのIPCフェーズ4-5イベントに対する過去のバックバリデーションでは、CERESはTIER-1分類を4つのケースすべてに割り当てた。 全ての予測は、T+90地平線におけるIPC結果データに対する公開検証のためにタイムスタンプされ、暗号化され、アーカイブされる。 著者の知る限り、CERESは、(1)確率的、(2)オープンアクセス、(3)連続実行、(4)予測レベルで機械可読性、(5)予測された全ての予測の公的な検証にコミットする、最初の飢餓早期警報システムである。

関連論文リスト

• Uncertainty-Aware End-to-End AI Weather Forecasting: Disentangling Observation and Model Contributions [13.160130063828793]
  エンド・ツー・エンドの天気予報システムは、地球観測から直接、熟練したグローバルグリッドとステーションの天気予報を生成する。 ここでは、観測システムから継承された1つのアレータリック不確実性を各コンポーネントに付加することにより、Aardvark気象モデルを確率予測として表現する。 アンサンブルは中距離でERA5に対して校正され(スプレッドスキル比0.98)、RMSEは決定論的モデルの2.4%に抑えられ、リードタイム毎にCRPSで打ち負かされ、運用中のECMWFアンサンブルを追尾する。
  論文  参考訳（メタデータ） (2026-08-31T13:49:00Z)
• RiskBlend: A Multi-Signal Framework for Test Input Prioritization in Machine Learning Regression Testing [0.0]
  機械学習分類器が再訓練されると、前のモデルバージョンによって正しく分類された入力は、更新されたバージョンによって誤って分類される。 テスト入力優先順位付けは、限られた検証予算が可能な限り多くの回帰欠陥を明らかにするように、入力をランク付けすることでこの問題に対処する。 本稿では,4つの相補的リスク信号を組み合わせた分類器に依存しない優先順位付けフレームワークであるR RiskBlendを提案する。
  論文  参考訳（メタデータ） (2026-08-27T20:40:35Z)
• A Nationwide Benchmark for Wildfire Initial Attack Failure Prediction with Public Environmental Data [62.031815260604056]
  我々は, 火災発見時に利用可能な環境および状況データから, 初期攻撃(IA)障害予測のための米国初の全国規模のベンチマークを提示する。 WILDFIREIAは、自然発生のFPA-FODの山火事を、FIRMS/VIIRS熱検出、グリッドMET気象および消火器変数、LANDFIRE植生、燃料、地形とともに38,128回調整した。 その結果,IA故障予測には,公共の発見時データが有用だが不完全な信号を提供することがわかった。
  論文  参考訳（メタデータ） (2026-06-14T01:03:13Z)
• Retrodictive Forecasting: A Proof-of-Concept for Exploiting Temporal Asymmetry in Time Series Prediction [0.0]
  本稿では時系列の予測パラダイムを提案する。 過去から未来を予測する代わりに、観測された現在を最もよく説明する未来を特定する。
  論文  参考訳（メタデータ） (2026-02-28T13:07:35Z)
• Forecasting Anomaly Precursors via Uncertainty-Aware Time-Series Ensembles [9.53248032827498]
  FATE(Forecasting Anomalies with Time-Series Ensembles)を提案する。 FATEは将来の値を予測し、アンサンブルの不一致を利用して、推論時にターゲット値にアクセスすることなく、潜在的な異常の早期兆候を示す。 5つの実世界のベンチマークデータセットの実験により、FATEはPTaPR AUCの19.9ポイント、早期検出のF1スコアの20.02ポイントの平均的な改善を達成している。
  論文  参考訳（メタデータ） (2026-02-19T02:48:09Z)
• EVEREST: An Evidential, Tail-Aware Transformer for Rare-Event Time-Series Forecasting [4.551615447454767]
  EVERESTは確率的レアイベント予測のためのトランスフォーマーベースのアーキテクチャである。 キャリブレーションされた予測とテールアウェアのリスク推定を提供する。 産業監視、天気予報、衛星診断などの高度な分野に適用できる。
  論文  参考訳（メタデータ） (2026-01-26T23:15:20Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Preliminary Investigation into Uncertainty-Aware Attack Stage Classification [81.28215542218724]
  この研究は、不確実性の下での攻撃段階推論の問題に対処する。 Evidential Deep Learning (EDL) に基づく分類手法を提案し、ディリクレ分布のパラメータを可能な段階に出力することで予測の不確実性をモデル化する。 シミュレーション環境における予備実験により,提案モデルが精度良く攻撃の段階を推定できることが実証された。
  論文  参考訳（メタデータ） (2025-08-01T06:58:00Z)
• Optimal Conformal Prediction under Epistemic Uncertainty [61.46247583794497]
  コンフォーマル予測(CP)は不確実性を表すための一般的なフレームワークである。 条件付きカバレッジを保証する最小の予測セットを生成するBernoulli予測セット(BPS)を導入する。 1次予測を与えられた場合、BPSはよく知られた適応予測セット(APS)に還元する。
  論文  参考訳（メタデータ） (2025-05-25T08:32:44Z)
• Towards an end-to-end artificial intelligence driven global weather forecasting system [57.5191940978886]
  我々は,地球規模の気象変動に対するAIに基づくデータ同化モデル,すなわちAdasを提案する。 我々は,アダスが地球観測を同化して高品質な分析を行い,長期にわたって安定して運用できることを実証した。 この手法を現実のシナリオに適用するのは,私たちが初めてです。
  論文  参考訳（メタデータ） (2023-12-18T09:05:28Z)
• 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)
• Risk Automatic Prediction for Social Economy Companies using Camels [0.0]
  政府は社会経済企業(SEE)を監督し、検査しなければならない 我々は機械学習アプローチに基づく予測モデルを提案した。 我々は、過去のポートフォリオの法的性質と変動が、将来のSEEのリスクを予測する良い指標であることを発見した。
  論文  参考訳（メタデータ） (2022-10-10T23:50:02Z)
• Certifiers Make Neural Networks Vulnerable to Availability Attacks [70.69104148250614]
  私たちは初めて、逆転戦略が敵によって意図的に引き起こされる可能性があることを示します。 いくつかの入力や摂動のために自然に発生する障害に加えて、敵は故意にフォールバックを誘発するために訓練時間攻撃を使用することができる。 我々は2つの新しいアベイラビリティーアタックを設計し、これらの脅威の実用的妥当性を示す。
  論文  参考訳（メタデータ） (2021-08-25T15:49:10Z)

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。