論文の概要: Calibrated Tree-Neural Fusion for Fine-Grained Vegetation Community Classification
- arxiv url: http://arxiv.org/abs/2607.24160v1
- Date: Mon, 27 Jul 2026 08:37:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.365335
- Title: Calibrated Tree-Neural Fusion for Fine-Grained Vegetation Community Classification
- Title（参考訳）: 細粒野菜群落分類のための校正木核融合
- Abstract要約: Calibrated EcoTreeFuseNet-Plusはツリーニューラル確率融合フレームワークである。
提案したモデルでは精度0.8000、マクロF1スコア0.7768、バランス精度0.7903、MCC0.7903が達成された。
その結果,小さめ,きめ細かい生態分類のための信頼性の高い識別・校正トレードオフが示された。
- 参考スコア（独自算出の注目度）: 5.365444289459681
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate vegetation-community classification is essential for ecological monitoring, habitat assessment, and evidence-based environmental management in heterogeneous landscapes. Existing studies often rely on standalone tree ensembles or generic neural networks, although fine-grained ecological classes frequently exhibit overlapping spectral, topographic, and structural characteristics. Many frameworks also provide limited protection against stacking leakage, insufficient probability calibration, weak minority-class evaluation, and little evidence of stability across repeated data splits. To address these limitations, this study proposes Calibrated EcoTreeFuseNet-Plus, a tree-neural probability-fusion framework that combines out-of-fold tree probabilities, EcoFuseNet-V2 outputs, validation-selected meta-learning, and post-hoc temperature scaling. Raster values from six LiDAR-derived terrain and canopy variables and two hyperspectral vegetation indices were extracted at coordinate-based reference locations. Quality control removed 26 samples with missing elevation and one sample with non-finite NDWI, producing 1,833 complete records across 29 vegetation and non-vegetation classes. On the held-out test set, the proposed model achieved an accuracy of 0.8000, a macro F1-score of 0.7768, a balanced accuracy of 0.7903, and an MCC of 0.7903. Calibration reduced the expected calibration error from 0.3866 to 0.0651 without changing class predictions. Five-seed evaluation yielded a macro F1-score of 0.7717 +/- 0.0112, indicating stable performance across repeated splits. The results demonstrate a reliable discrimination-calibration trade-off for small-sample, fine-grained ecological classification.
- Abstract（参考訳）: 不均質な景観における環境モニタリング、生息環境評価、エビデンスに基づく環境管理には、正確な植生・コミュニティ分類が不可欠である。
既存の研究では、しばしば独立した木のアンサンブルや一般的なニューラルネットワークに依存しているが、微細な生態学的クラスは、しばしば重複するスペクトル、地形、構造的特性を示す。
多くのフレームワークは、スタックリークに対する制限された保護、低い確率校正、弱いマイノリティクラスの評価、そして繰り返しデータ分割の安定性の証拠も提供しています。
これらの制約に対処するために,木外確率,EcoFuseNet-V2出力,バリデーション選択メタラーニング,ポストホック温度スケーリングを組み合わせた木-神経間確率融合フレームワークであるCalibrated EcoTreeFuseNet-Plusを提案する。
6つのLiDAR起源の地形とキャノピー変数と2つのハイパースペクトル植生指標から,座標に基づく基準位置からラスタ値を抽出した。
品質管理は26の試料を除去し、29の植生と非植生のクラスで1,833の完全な記録を作成した。
ホールドアウトテストセットでは,提案モデルが精度0.8000,マクロF1スコア0.7768,バランス精度0.7903,MCC0.7903を達成した。
キャリブレーションにより、予想されるキャリブレーション誤差は、クラス予測を変更することなく0.3866から0.0651に削減された。
5シード評価の結果、マクロF1スコアは0.7717+/-0.0112となり、繰り返し分割して安定した性能を示した。
その結果,小さめ,きめ細かい生態分類のための信頼性の高い識別・校正トレードオフが示された。
関連論文リスト
- Detection of Christmas tree plantations from high-resolution aerial imagery. A case study in the French Morvan [22.126775072131608]
クリスマスツリープランテーションは経済的に関係があるが、リモートセンシング(RS)におけるほとんど探索されていない分野である。
本研究は, クリスマスツリーのプランテーションマッピングを, 個別のレアターゲットセマンティックセマンティックセグメンテーション問題として扱うこと, (ii) 混在する背景パターンの識別を改善するハードネガティブマイニング(HNM)戦略を導入すること, (iii) 教師付きテスト, 時間移動, 大規模検証を含む相補的なレベルのフレームワークを評価すること,の3つの主な貢献を行う。
論文 参考訳（メタデータ） (2026-08-27T15:58:20Z) - Predicting Pseudo-nitzschia harmful algal blooms along the Portuguese Coast using satellite-derived predictors [69.38367341895632]
Pseudo-Nitzschia の珪藻は、海岸生態系やポルトガルの大西洋岸での収穫に繰り返しリスクをもたらす。
衛星由来の予測器を用いて有害な藻類発生を予測する機械学習フレームワークの開発と評価を行った。
論文 参考訳（メタデータ） (2026-07-08T18:14:24Z) - Pixel-Precise Explainable Stress Indexing: A Semantic Segmentation Framework for Disease Severity Quantification in Field Crops [3.466303200807006]
植物病は、生物的ストレスと無生物的ストレスの両方から発生し、毎年世界の農業生産量が20-40%減少する。
本稿では,セマンティックセグメンテーション,回帰に基づく重症度推定,疾患分類を統合した統合型ディープラーニングパイプラインを提案する。
論文 参考訳（メタデータ） (2026-07-05T06:04:20Z) - MalariAI: A Label-Resilient Decoupled Framework for Universal Cell Segmentation and Explainable Stage Classification in Dense Malaria Blood Smears [0.0]
血液スミア顕微鏡によるマラリアの診断は、グローバルヘルスAIにとって重要な課題である。
3つの複合的障害モードは、既存のディープラーニングシステムの信頼性の高い臨床展開を防ぐ。
統一パイプラインにおける3つの障害モードすべてに対処する、2段階の分離フレームワークであるMarariAIを紹介します。
論文 参考訳（メタデータ） (2026-07-01T03:27:04Z) - A Modelling and Evaluation Framework for EuroCrops-Driven Sentinel-2 Crop Segmentation [78.66324246922831]
本研究では,Sentinel-2イメージとEuroCropsパーセルレベルのアノテーションからセマンティックセグメンテーション対応農業データセットを生成するパイプラインを提案する。
このデータセットには、ヨーロッパ5カ国から67,337のパッチが含まれており、10種類の作物と背景の分類を減らしている。
The four-level U-Net with Group Normalization were training using 10 Sentinel-2 spectrum bands and a Composite loss with class-weighted cross-entropy and Dice loss。
論文 参考訳（メタデータ） (2026-05-30T11:20:29Z) - Decision-Path Patterns as Tree Reliability Signals: Path-based Adaptive Weighting for Random Forest Classification [0.9607593117607193]
ランダムフォレストは、特徴空間の異なるランダム化された表現で各木を構築する。
彼らの一様投票は、誤った表現を持つ木が正しいものより多い地域では誤りを訂正できない。
本稿では,各木の決定経路の構造パターンをサンプルごとの信頼性信号として用いることを提案する。
論文 参考訳（メタデータ） (2026-05-20T05:15:09Z) - Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。
LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
論文 参考訳（メタデータ） (2026-04-30T14:59:50Z) - Evaluating the Limitations of Protein Sequence Representations for Parkinson's Disease Classification [6.24518052314374]
タンパク質配列は、生物学的情報の根本的で広く利用可能な源である。
複雑な疾患分類のための識別能力は未だ不明である。
ベストパフォーマンス設定(ProtBERT +)は0.704+/-0.028のF1スコアと0.748+/-0.047のROC-AUCを達成する。
論文 参考訳（メタデータ） (2026-04-13T03:54:24Z) - Multimodal Survival Modeling and Fairness-Aware Clinical Machine Learning for 5-Year Breast Cancer Risk Prediction [4.750682174151462]
乳癌における5年間の生存予測のための,完全再現可能な機械学習フレームワークを提案する。
我々は,METABRICコホートから高次元転写・複写数変化(CNA)の特徴を臨床変数と統合した。
ROC曲線(AUC)、平均精度(AP)、キャリブレーション曲線、ブライアスコア、ブートストラップの95%の信頼区間を用いて評価を行った。
論文 参考訳（メタデータ） (2026-02-25T07:20:43Z) - CONFIDE: Hallucination Assessment for Reliable Biomolecular Structure Prediction and Design [46.12506067241116]
本稿では,位相的フラストレーションを定量化する自己評価尺度であるCODE(Chain of Diffusion Embeddings)を提案する。
エネルギー的およびトポロジ的視点を組み合わせた統合評価フレームワークであるCONFIDEを提案する。
データ駆動の埋め込みと理論的な洞察を組み合わせることで、CODEとConFIDEは、幅広い生体分子システムで既存の指標より優れています。
論文 参考訳（メタデータ） (2025-11-20T03:38:46Z) - Variational phylogenetic inference with products over bipartitions [48.2982114295171]
単一連鎖クラスタリングの合体時間に基づく新しい変分族を示し,木上の分布の閉形式密度を導出する。
我々の手法はすべての木空間に対して推論を行い、マルコフ連鎖モンテカルロ部分ルーチンは不要であり、我々の変分族は微分可能である。
論文 参考訳（メタデータ） (2025-02-21T00:06:57Z) - Variational Classification [51.2541371924591]
我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。
軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。
我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
論文 参考訳（メタデータ） (2023-05-17T17:47:19Z)
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。