論文の概要: Accurate and Robust Generative Approach for Overcoming Data Sparsity and Imbalance in Landslide Modeling with A Tabular Foundation Model
- arxiv url: http://arxiv.org/abs/2604.25159v1
- Date: Tue, 28 Apr 2026 02:59:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-29 16:49:17.686296
- Title: Accurate and Robust Generative Approach for Overcoming Data Sparsity and Imbalance in Landslide Modeling with A Tabular Foundation Model
- Title（参考訳）: 球根モデルを用いた地すべりモデルにおけるデータの分散と不均衡を克服するための高精度かつロバストな生成手法
- Authors: Kaixuan Shao, Gang Mei, Yinghan Wu, Nengxiong Xu, Jianbing Peng,
- Abstract要約: 地すべり調査は、地質学的、水文学的、人類学的要因の影響を受け、十分にバランスのとれた観測データに依存している。
データ生成は、限られた地すべり観測から機能の依存関係を捕捉する効果的なアプローチを提供する。
- 参考スコア（独自算出の注目度）: 1.5553588306859216
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Landslide investigation relies on sufficient and well-balanced observational data influenced by geological, hydrological, and anthropogenic factors. Available landslide inventories are often sparse and imbalanced, which limits understanding of triggering conditions and failure mechanisms. Data generation provides an effective approach to help capture feature dependencies from limited landslide observations. However, existing generation approaches for landslides often struggle to capture complex relationships among features and lack robustness across multiple scenarios and interacting factors. Here, we propose an accurate and robust approach for generating multi-feature landslide datasets by utilizing a tabular foundation model. By leveraging the capacity to learn from limited observations, the proposed approach effectively preserves the multivariate dependencies and statistical characteristics inherent in landslide occurrences. Comparative experiments on 20 landslide inventories demonstrate that the generated datasets closely align with observed distributions, maintain realistic feature dependencies, and exhibit robustness across different environmental contexts. This work provides an effective approach to overcome data sparsity and imbalance and strengthens landslide susceptibility modeling and risk assessment under limited observations.
- Abstract（参考訳）: 地すべり調査は、地質学的、水文学的、人類学的要因の影響を受け、十分にバランスのとれた観測データに依存している。
利用可能な地すべりの在庫は、しばしばスパースで不均衡であり、トリガー条件や障害機構の理解を制限している。
データ生成は、限られた地すべり観測から機能の依存関係を捕捉する効果的なアプローチを提供する。
しかし、地すべりの既存世代のアプローチは、機能間の複雑な関係を捉えるのに苦労し、複数のシナリオや相互作用要因をまたいだ堅牢性を欠いていることが多い。
本稿では,表層基礎モデルを用いて,多機能地すべりデータセットを生成するための高精度でロバストな手法を提案する。
限られた観測から学ぶ能力を活用することで,地すべりの発生に固有の多変量依存性と統計特性を効果的に保存する。
20の地すべり在庫の比較実験により、生成されたデータセットは観測された分布と密に一致し、現実的な特徴依存を維持し、異なる環境環境にまたがる堅牢性を示すことが示された。
この研究は、データの分散性と不均衡を克服するための効果的なアプローチを提供し、限られた観測下での地すべりの感受性モデリングとリスク評価を強化する。
関連論文リスト
- Discrete Causal Representation Learning [31.812206971607676]
因果表現学習は、低レベル、絡み合った、ノイズの多い観察から、高レベルの潜伏変数間の因果関係を明らかにすることを目指している。
本稿では,離散潜伏変数間の有向非巡回グラフと,潜伏層と観測層を連結する疎二部グラフをモデル化する生成フレームワークを提案する。
軽度条件下では,両部測定グラフと潜在因果グラフの両方が観測データ分布のみから同定可能であることを示す。
論文 参考訳（メタデータ） (2026-03-26T04:28:02Z) - Statistically Accurate and Robust Generative Prediction of Rock Discontinuities with A Tabular Foundation Model [8.016438614208463]
本稿では,岩盤不連続性の統計的に正確な生成予測のための簡易かつ頑健な手法を提案する。
提案手法は, 限られた不連続範囲内で, 基礎となる複雑な分布パターンを効果的に捉えることができる。
この研究は、岩盤の質量構造を定量的に評価し、より安全で信頼性の高いデータ駆動地形設計をサポートする。
論文 参考訳（メタデータ） (2025-11-17T13:09:53Z) - Modest-Align: Data-Efficient Alignment for Vision-Language Models [67.48633659305592]
クロスモーダルアライメントモデルは、リソース制約のある環境での運用において、過信と劣化したパフォーマンスに悩まされることが多い。
我々は,ロバスト性と効率性に配慮した軽量アライメントフレームワークであるModest-Alignを提案する。
本手法は,実世界の低リソースシナリオにおけるクロスモーダルアライメントを実現するための,実用的でスケーラブルなソリューションを提供する。
論文 参考訳（メタデータ） (2025-10-24T16:11:10Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - Frugal, Flexible, Faithful: Causal Data Simulation via Frengression [4.446798246007668]
本研究は,Fragalパラメータ化の深い生成的実現であるFragressionを紹介する。
frengressionは正確な推定と、時間変化データのフレキシブルで忠実なシミュレーションを提供する。
我々は、この枠組みが因果的マージンモデリングのための生成的アプローチに新たな研究を巻き起こすことを期待している。
論文 参考訳（メタデータ） (2025-08-01T18:43:59Z) - Identifiable Latent Neural Causal Models [82.14087963690561]
因果表現学習は、低レベルの観測データから潜伏した高レベルの因果表現を明らかにすることを目指している。
因果表現の識別可能性に寄与する分布シフトのタイプを決定する。
本稿では,本研究の成果を実用的なアルゴリズムに翻訳し,信頼性の高い潜在因果表現の取得を可能にする。
論文 参考訳（メタデータ） (2024-03-23T04:13:55Z) - The Risk of Federated Learning to Skew Fine-Tuning Features and
Underperform Out-of-Distribution Robustness [50.52507648690234]
フェデレートされた学習は、微調整された特徴をスキイングし、モデルの堅牢性を損なうリスクがある。
3つのロバスト性指標を導入し、多様なロバストデータセットで実験を行う。
提案手法は,パラメータ効率のよい微調整手法を含む多種多様なシナリオにまたがるロバスト性を著しく向上させる。
論文 参考訳（メタデータ） (2024-01-25T09:18:51Z) - Knowledge-infused Deep Learning Enables Interpretable Landslide
Forecasting [0.019036571490366496]
近年の変圧器を用いた深層学習は,地すべりの予測に未完成の可能性を秘めている。
地すべりの挙動を均等に予測できる深層学習パイプラインを提案する。
チベット高原における三峡貯水池の地すべり予測モデルと地すべり予測モデルを用いて,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2023-07-18T03:39:03Z) - Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。
提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。
我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
論文 参考訳（メタデータ） (2021-11-25T17:33:12Z) - Learning while Respecting Privacy and Robustness to Distributional
Uncertainties and Adversarial Data [66.78671826743884]
分散ロバストな最適化フレームワークはパラメトリックモデルのトレーニングのために検討されている。
目的は、逆操作された入力データに対して頑健なトレーニングモデルを提供することである。
提案されたアルゴリズムは、オーバーヘッドがほとんどない堅牢性を提供する。
論文 参考訳（メタデータ） (2020-07-07T18:25:25Z)
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。