論文の概要: An Explainable Ensemble Learning Framework for Crop Classification with Optimized Feature Pyramids and Deep Networks

• arxiv url: http://arxiv.org/abs/2603.25070v1
• Date: Thu, 26 Mar 2026 06:13:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.134265
• Title: An Explainable Ensemble Learning Framework for Crop Classification with Optimized Feature Pyramids and Deep Networks
• Title（参考訳）: 最適化された特徴ピラミッドとディープネットワークを用いた作物分類のための説明可能なアンサンブル学習フレームワーク
• Authors: Syed Rayhan Masud, SK Muktadir Hossain, Md. Ridoy Sarkar, Mohammad Sakib Mahmood, Md. Kishor Morol, Rakib Hossain Sajib,
• Abstract要約: 農業は気候変動、土壌の劣化、資源の枯渇によってますます困難になっている。 この研究は、最適化された特徴ピラミッド、深いネットワーク、自己認識機構、残余ネットワークを融合させる説明可能なアンサンブル学習パラダイムを示す。 このパラダイムは、複雑なMLモデルと実行可能な農業意思決定のギャップに対処し、持続可能性を促進し、AIによる推奨を信頼する。
• 参考スコア（独自算出の注目度）: 0.12314765641075438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agriculture is increasingly challenged by climate change, soil degradation, and resource depletion, and hence requires advanced data-driven crop classification and recommendation solutions. This work presents an explainable ensemble learning paradigm that fuses optimized feature pyramids, deep networks, self-attention mechanisms, and residual networks for bolstering crop suitability predictions based on soil characteristics (e.g., pH, nitrogen, potassium) and climatic conditions (e.g., temperature, rainfall). With a dataset comprising 3,867 instances and 29 features from the Ethiopian Agricultural Transformation Agency and NASA, the paradigm leverages preprocessing methods such as label encoding, outlier removal using IQR, normalization through StandardScaler, and SMOTE for balancing classes. A range of machine learning models such as Logistic Regression, K-Nearest Neighbors, Support Vector Machines, Decision Trees, Random Forest, Gradient Boosting, and a new Relative Error Support Vector Machine are compared, with hyperparameter tuning through Grid Search and cross-validation. The suggested "Final Ensemble" meta-ensemble design outperforms with 98.80% accuracy, precision, recall, and F1-score, compared to individual models such as K-Nearest Neighbors (95.56% accuracy). Explainable AI methods, such as SHAP and permutation importance, offer actionable insights, highlighting critical features such as soil pH, nitrogen, and zinc. The paradigm addresses the gap between intricate ML models and actionable agricultural decision-making, fostering sustainability and trust in AI-powered recommendations
• Abstract（参考訳）: 農業は、気候変動、土壌の劣化、資源の枯渇によってますます困難になってきているため、高度なデータ駆動型作物分類とレコメンデーションソリューションが必要である。 本研究は, 土壌特性(pH, 窒素, カリウム)と気候条件(温度, 降雨量など)に基づいて, 最適化された特徴ピラミッド, 深層ネットワーク, 自己保持機構, 残留ネットワークを融合した, 説明可能なアンサンブル学習パラダイムを提案する。 エチオピア農業トランスフォーメーションエージェンシーとNASAの3,867のインスタンスと29のフィーチャからなるデータセットにより、このパラダイムは、ラベルエンコーディング、IQRを用いたアウトリーチ除去、StandardScalerによる正規化、クラスのバランスのためのSMOTEといった前処理手法を活用する。 Logistic Regression, K-Nearest Neighbors, Support Vector Machines, Decision Trees, Random Forest, Gradient Boosting, and a new Relative Error Support Vector Machineといった機械学習モデルを,グリッド検索とクロスバリデーションによるハイパーパラメータチューニングで比較した。 提案された"Final Ensemble"メタアンサンブルの設計は、K-Nearest Neighbors(95.56%の精度)のような個々のモデルと比較して、98.80%の精度、精度、リコール、F1スコアで優れていた。 SHAPや置換の重要性といった説明可能なAIメソッドは、土壌pH、窒素、亜鉛といった重要な特徴を強調し、実用的な洞察を提供する。 このパラダイムは、複雑なMLモデルと実行可能な農業意思決定のギャップに対処し、AIによる推奨に対する持続可能性と信頼を促進する。

関連論文リスト

• ProAct: Agentic Lookahead in Interactive Environments [56.50613398808361]
  ProActは、2段階のトレーニングパラダイムを通じて、エージェントが正確なルックアヘッド推論を内部化することを可能にするフレームワークである。 そこでは,環境に基づく探索から得られたトラジェクトリの微調整をエージェントが行うGLAD(Grounded LookAhead Distillation)を紹介する。 また,政策段階のアルゴリズムを改良する補助値推定器であるモンテカルロ批判(MC-Critic)を提案する。
  論文  参考訳（メタデータ） (2026-02-05T05:45:16Z)
• Explainable AI for Diabetic Retinopathy Detection Using Deep Learning with Attention Mechanisms and Fuzzy Logic-Based Interpretability [0.0]
  本稿では,雑草検出のためのハイブリッドディープラーニングフレームワークのレシピを提案する。 クラスロバスト性をバランスさせ,モデルの一般化を図るため,GANに基づく拡張手法が導入された。 実験結果は、99.33%の精度、精度、リコール、マルチベンチマークデータセット上のF1スコアで優れた結果が得られる。
  論文  参考訳（メタデータ） (2025-11-20T12:17:00Z)
• RoHOI: Robustness Benchmark for Human-Object Interaction Detection [84.78366452133514]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。 HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。 我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
  論文  参考訳（メタデータ） (2025-07-12T01:58:04Z)
• QGAPHEnsemble : Combining Hybrid QLSTM Network Ensemble via Adaptive Weighting for Short Term Weather Forecasting [0.0]
  本研究は,高度な機械学習技術を用いた実践的有効性を強調した。 本モデルでは,気象予測の精度と信頼性が大幅に向上したことを示す。 本稿では,天気予報タスクの性能向上のために,最適化アンサンブル技術の重要性を強調した。
  論文  参考訳（メタデータ） (2025-01-18T20:18:48Z)
• Towards Physically Consistent Deep Learning For Climate Model Parameterizations [46.07009109585047]
  パラメータ化は、気候予測において、系統的なエラーと大きな不確実性の主な原因である。 深層学習(DL)に基づくパラメータ化は、計算に高価で高解像度のショートシミュレーションのデータに基づいて訓練されており、気候モデルを改善するための大きな可能性を示している。 本稿では,DLに基づくパラメータ化のための効率的な教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-06T10:02:49Z)
• Corn Yield Prediction Model with Deep Neural Networks for Smallholder Farmer Decision Support System [0.0]
  作物の収量予測は、気象変数と土壌変数の相互作用がないという仮定に基づいてモデル化されている。 本稿では、相互作用の存在を論じ、Kendall相関係数を用いて微細にモデル化することができる。 提案したトウモロコシ収量モデルの目的は、小作農が賢く知的に養殖できるようにすることである。
  論文  参考訳（メタデータ） (2024-01-08T09:47:19Z)
• SSL-SoilNet: A Hybrid Transformer-based Framework with Self-Supervised Learning for Large-scale Soil Organic Carbon Prediction [2.554658234030785]
  本研究は,自己指導型コントラスト学習を通じて,マルチモーダル特徴間の地理的関連を学習することを目的とした,新しいアプローチを提案する。 提案手法は、2つの異なる大規模データセットに対して厳密なテストを行っている。
  論文  参考訳（メタデータ） (2023-08-07T13:44:44Z)
• A Three-regime Model of Network Pruning [47.92525418773768]
  我々は、ニューラルネットワーク(NN)トレーニングのハイパーパラメータが刈り取り性能に与える影響をモデル化するために、温度のようなパラメータと負荷のようなパラメータを使用します。 プレプルーニングモデルにおける負荷様パラメータの値に依存すると、プレプルーニングモデルにおける温度様パラメータの値が増加するか、その後のプルーニング性能が向上または損なわれる可能性がある。 本モデルでは, 高温のダイコトモス効果は, ポストプランニングモデルにおいて, 異なるタイプの大域構造間の遷移と関係していることが明らかとなった。
  論文  参考訳（メタデータ） (2023-05-28T08:09:25Z)
• Understanding Overparameterization in Generative Adversarial Networks [56.57403335510056]
  generative adversarial network (gans) は、非凹型ミニマックス最適化問題を訓練するために用いられる。 ある理論は、グローバル最適解に対する勾配降下 (gd) の重要性を示している。 ニューラルネットワークジェネレータと線形判別器を併用した多層GANにおいて、GDAは、基礎となる非凹面min-max問題の大域的なサドル点に収束することを示す。
  論文  参考訳（メタデータ） (2021-04-12T16:23:37Z)

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。