Fugu-MT 論文翻訳(概要): Spectroscopy Analysis with Machine Learning Regression for the Quantification of Carbon and Nitrogen Contents in Inceptisol and Oxisol Soil Types: Comparing Different Preprocessing and Validation methods as well as Feature Importance

論文の概要: Spectroscopy Analysis with Machine Learning Regression for the Quantification of Carbon and Nitrogen Contents in Inceptisol and Oxisol Soil Types: Comparing Different Preprocessing and Validation methods as well as Feature Importance

arxiv url: http://arxiv.org/abs/2607.00834v1
Date: Wed, 01 Jul 2026 11:54:44 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-02 19:56:07.881364
Title: Spectroscopy Analysis with Machine Learning Regression for the Quantification of Carbon and Nitrogen Contents in Inceptisol and Oxisol Soil Types: Comparing Different Preprocessing and Validation methods as well as Feature Importance
Title（参考訳）: インセプティゾルおよびオキシゾル土壌型における炭素および窒素含有量の定量化のための機械学習回帰を用いた分光分析:前処理法と検証法の違いと特徴の重要性の比較
Authors: Vinicius Herique Kieling, Guilherme Macedo Baggio, Felipe Augusto Bueno Rossi, Marco Antonio de Castro Barbosa, Dalcimar Casanova, Larissa Macedo dos Santos Tonial, Jefferson Tales Oliva,
Abstract要約: 近赤外分光法(NIR)は、従来の土壌分析法に代わる有望な方法として出現している。本研究は,OxisolsおよびInceptisolsにおける炭素(C)および窒素(N)含有量の予測モデルを校正するための機械学習(ML)アプローチを提案する。
参考スコア（独自算出の注目度）: 0.35971250637104313
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Near-Infrared (NIR) spectroscopy has emerged as a promising alternative to traditional soil analysis methods, offering advantages such as speed, low cost, and non-destructive testing. This work proposes a machine learning (ML) approach to calibrate predictive models for carbon (C) and nitrogen (N) content in Oxisols and Inceptisols, utilizing NIR spectral data acquired with a portable MyNIR device. Various preprocessing methods were evaluated, with the most effective being the Savitzky-Golay (SG) filter and a robust outlier removal method based on the Nonlinear Iterative Partial Least Squares (NIPALS) algorithm coupled with a Huber loss function. Multiple validation strategies were compared, including 10-fold cross-validation, leave-one-out, and holdout via the Kennard-Stone method, followed by standardization. Stacking ensemble learning models were employed, using Partial Least Squares (PLS), Support Vector Regression (SVR), and Ridge as base models, with linear regression as the meta-model. The models were evaluated using R2, Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and Ratio of Performance Deviation (RPD) metrics. The performance gap between soil types suggests the influence of pedological characteristics. Furthermore, the models achieved an RPD > 2.0 with low overfitting, validating the potential of this approach for rapid C and N quantification. This study contributes to the optimization of sustainable agricultural practices, aligning with the demand for efficient and environmentally friendly analytical methods. The developed technique enables faster decision-making for producers and consultants based on organic matter content, fertility indicators, and nutrient availability.
Abstract（参考訳）: 近赤外分光法(NIR)は、従来の土壌分析法に代わる有望な方法として出現し、速度、低コスト、非破壊試験などの利点を提供している。本研究は,携帯型MyNIRデバイスで取得したNIRスペクトルデータを用いて,OxisolsおよびInceptisolsにおける炭素(C)および窒素(N)量の予測モデルを校正する機械学習(ML)手法を提案する。様々な前処理手法が評価され、最も有効なのがサヴィツキー・ゴーレイフィルタと、ハマー損失関数と結合した非線形反復部分最小二乗法(NIPALS)に基づく頑健な外乱除去法である。 10倍のクロスバリデーション,Leave-one-out,Kennard-Stone法によるホールドアウトを含む複数のバリデーション戦略を比較し,その後に標準化を行った。階層型アンサンブル学習モデルが採用され、部分最小広場(PLS)、サポートベクトル回帰(SVR)、リッジをベースモデルとして、メタモデルとして線形回帰を用いた。モデルは、R2、Root Mean Squared Error(RMSE)、Mean Absolute Error(MAE)、Ratio of Performance Deviation(RPD)メトリクスを使用して評価された。土壌タイプ間の性能差は,水理特性の影響を示唆している。さらに、これらのモデルは低オーバーフィッティングでPD > 2.0を達成し、高速CおよびN定量化のためのこのアプローチの可能性を検証した。本研究は, 効率的で環境に優しい分析手法の需要に合わせて, 持続可能な農業実践の最適化に寄与する。開発した技術は,有機物含量,肥育率,栄養素利用率に基づく生産者やコンサルタントの意思決定を高速化する。

関連論文リスト

Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。 LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
論文参考訳（メタデータ） (2026-05-27T23:48:01Z)
Tabular foundation models for robust calibration of near-infrared chemical sensing data [0.0]
近赤外分光法は、迅速で非破壊的な化学センシング技術としてますます使われている。タブレット基礎モデルは、NIR化学センシングのための新しいキャリブレーション戦略を提供することができる。 54の回帰と12の分類タスクをカバーする66のNIRデータセット上でTabPFNをベンチマークした。
論文参考訳（メタデータ） (2026-05-20T09:48:18Z)
A novel hybrid approach for positive-valued DAG learning [60.917028769172795]
正値データから有向非巡回グラフ(DAG)を学習するためのHybrid Moment-Ratio Scoring (H-MRS)アルゴリズムを提案する。 H-MRSは、モーメント比推定のためのログスケールリッジ回帰と、生のスケールモーメント比に基づくグレディオーダー処理を統合する。合成対数線形データの実験は、競合精度とリコールを示す。
論文参考訳（メタデータ） (2026-04-10T04:04:26Z)
Improving Minimax Estimation Rates for Contaminated Mixture of Multinomial Logistic Experts via Expert Heterogeneity [49.809923981964715]
凍結したエキスパートとして機能する事前訓練されたモデルを、新しいタスクを学ぶためにトレーニング可能なエキスパートとして機能するアダプタモデルに統合するトランスファー学習手法によって、汚染された専門家の混合(MoE)が動機付けられる。本研究は, 地絡パラメータがサンプルサイズによって異なる困難な条件下で, パラメータを推定するための一様収束率を特徴付ける。また、対応するミニマックス下限を定め、これらのレートがミニマックス最適であることを保証する。
論文参考訳（メタデータ） (2026-01-31T23:45:50Z)
Training-Free Stein Diffusion Guidance: Posterior Correction for Sampling Beyond High-Density Regions [46.59494117137471]
自由拡散誘導の訓練は、追加の訓練なしに既成の分類器を活用する柔軟な方法を提供する。本稿では,SOC を対象とする新たなトレーニングフリーフレームワークである Stein Diffusion Guidance (SDG) を紹介する。分子低密度サンプリングタスクの実験は、SDGが標準のトレーニングフリーガイダンス手法を一貫して上回っていることを示唆している。
論文参考訳（メタデータ） (2025-07-07T21:14:27Z)
A Robust Support Vector Machine Approach for Raman COVID-19 Data Classification [0.7864304771129751]
本稿では,ラマン分光法から得られた新型コロナウイルスの分類における,SVM(Support Vector Machine)のための新しいロバストな定式化の性能について検討する。我々は、各観測の周囲の有界な不確実性集合を用いて、決定論的定式化の頑健な相反するモデルを導出する。本手法の有効性は,イタリアの病院が提供した実世界のCOVID-19データセットで検証されている。
論文参考訳（メタデータ） (2025-01-29T14:02:45Z)
Distribution Learning for Molecular Regression [10.96062816455682]
Distributional Mixture of Experts (DMoE) はモデルに依存しない、データに依存しない回帰法である。分子特性予測データセットを用いたDMoEの性能評価を行った。
論文参考訳（メタデータ） (2024-07-30T00:21:51Z)
Predictive Analytics of Varieties of Potatoes [2.336821989135698]
本研究では, 育種試験におけるサツマイモクローンの選択プロセスの向上を目的とした, 機械学習アルゴリズムの適用について検討する。本研究は, 高収率, 耐病性, 耐気候性ポテト品種を効率的に同定することの課題に対処する。
論文参考訳（メタデータ） (2024-04-04T00:49:05Z)
Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
論文参考訳（メタデータ） (2023-10-30T18:43:21Z)
Learning representations with end-to-end models for improved remaining useful life prognostics [64.80885001058572]
残りの設備の実用寿命(RUL)は、現在の時刻と故障までの期間として定義される。マルチ層パーセプトロンと長期メモリ層(LSTM)に基づくエンドツーエンドのディープラーニングモデルを提案し、RULを予測する。提案するエンド・ツー・エンドのモデルがこのような優れた結果を達成し、他のディープラーニングや最先端の手法と比較する方法について論じる。
論文参考訳（メタデータ） (2021-04-11T16:45:18Z)
Improved prediction of soil properties with Multi-target Stacked Generalisation on EDXRF spectra [1.2599533416395765]
エネルギー分散X線蛍光(EDXRF)は、より迅速で環境に優しい分析手法の一つである。 EDXRFスペクトル分析におけるいくつかの課題は、正確な結果を提供するためのより効率的な方法を必要とする。 MTR(Multi-target Regression)手法を用いることで,複数のパラメータの予測が可能となり,相関パラメータの活用により,全体的な予測性能が向上する。
論文参考訳（メタデータ） (2020-02-11T11:05:03Z)

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。