論文の概要: Meta-clustering of milk mid-infrared spectra identifies dairy cow groups associated with negative energy balance in early lactation
- arxiv url: http://arxiv.org/abs/2608.20653v1
- Date: Fri, 21 Aug 2026 01:19:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.33297
- Title: Meta-clustering of milk mid-infrared spectra identifies dairy cow groups associated with negative energy balance in early lactation
- Title（参考訳）: 乳中赤外スペクトルのメタクラスタリングによる乳牛の初期乳化における負のエネルギー収支に関連する乳牛群の同定
- Abstract要約: クラスタリング法は、牛乳のサンプル、牛または群れの異なるグループを特定するために使われてきた。
MIRスペクトルデータにクラスタリングを直接適用することで、乳形質や健康障害に関連する牛の潜伏群が明らかになる可能性がある。
本研究は,乳MIRスペクトルから直接乳化初期の乳牛の個体群を同定することを目的とした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Clustering methods have been used to identify distinct groups of milk samples, cows, or herds. Fourier-transform infrared (FTIR) spectroscopy, particularly mid-infrared (MIR) spectroscopy, has been applied to individual cow milk samples to predict various milk traits. Applying clustering directly to MIR spectral data may reveal latent groups of cows associated with milk traits or health disorders and can help prevent these conditions or monitor at-risk animals. This study aimed to identify groups of individual dairy cows in early lactation directly from milk MIR spectra and to analyze their associations with milk traits. Using a dataset of 407,632 individual milk MIR records from 3,408 commercial farms, we combined (i) spectral filtering that selects informative wavenumbers, (ii) two dimensionality-reduction methods: principal component analysis (PCA) and an autoencoder, and (iii) two clustering algorithms: k-means and spectral clustering to yield eight different clustering approaches. We regrouped the assigned clusters into meta-clusters that encompassed the most similar ones identified by the eight approaches. Our results revealed five distinct meta-clusters of early-lactation individual dairy cows significantly associated with milk traits. Despite substantial differences, the eight approaches converged on the same five meta-clusters, and the classic, computationally efficient PCA-based k-means approach using the full spectrum recaptured clusters identified by more sophisticated, computationally intensive approaches. The five meta-clusters were strongly associated with DIM and appeared to reflect a gradient of negative energy balance (NEB) severity: severe, moderate, and possibly mild, while the remaining two likely represented cows recovering from NEB, one with rapid restoration of energy balance and one in early recovery.
- Abstract（参考訳）: クラスタリング法は、牛乳のサンプル、牛または群れの異なるグループを特定するために使われてきた。
フーリエ変換赤外分光法(FTIR)、特に中赤外分光法(MIR)は、牛乳の個々の試料に適用され、様々な乳形質を予測している。
MIRスペクトルデータにクラスタリングを直接適用することで、乳の形質や健康障害に関連する牛の潜伏した集団が明らかになり、これらの状態の予防やリスクの高い動物の監視に役立てることができる。
本研究は,乳中ミレアスペクトルから乳乳化早期の乳牛群を同定し,乳形質との関連性について検討することを目的とした。
3,408の商業農場から得られた407,632個の乳MIRのデータセットを用いて組み合わせた。
(i)情報波数を選択するスペクトルフィルタリング
(二)主成分分析(PCA)と自己エンコーダの2つの次元性推論方法
(3)k平均とスペクトルクラスタリングの2つのクラスタリングアルゴリズムにより,8つの異なるクラスタリング手法が得られた。
割り当てられたクラスタを,8つのアプローチで識別された最も類似したクラスタを含む,メタクラスタに再編成しました。
乳形質に有意な関連が認められた早産個体群5種について検討した。
8つのアプローチは大きな違いはあるものの、同じ5つのメタクラスタに収束し、より高度で計算集約的なアプローチによって同定された完全なスペクトル再適応クラスタを用いた古典的で計算効率のよいPCAベースのk平均アプローチを使用した。
5つのメタクラスターはDIMと強く関連し, 陰性エネルギーバランス(NEB)の重症度(重度, 中等度, 軽度)の勾配を反映し, 残りの2頭はNEBから回復した牛で, 1頭はエネルギーバランスの急速な回復, 1頭は早期回復を示した。
関連論文リスト
- Transformer-Based Classification of Bacterial Raman Spectra with LOOCV [0.0]
トランスフォーマーベースのモデルはラマンスペクトル分類に注目が集まっている。
本研究では,Nested leave-one-replicate-out cross-validationフレームワークを用いて,トランスフォーマーに基づくアプローチを体系的に評価した。
この変圧器は、独立したテストレプリケータにまたがる最高の分類性能を一貫して達成し、従来の全ての手法よりも大幅に優れていた。
論文 参考訳（メタデータ） (2026-06-25T14:34:19Z) - Algebraic Diversity: Group-Theoretic Spectral Estimation from Single Observations [1.3537117504260623]
グループ平均推定器を1つのスナップショットから推定し,同値な部分空間分解とマルチスナップショット共分散推定を実現する。
我々はこれらの結果を任意の統計量に拡張し、分散は有効群順序$d_mathrmeff$によって支配される。
このフレームワークは内容よりも$structure$の情報(データオブジェクトの表現論的対称性)を活用し、シャノンの理論を補完する。
論文 参考訳（メタデータ） (2026-04-04T08:08:34Z) - Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。
検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。
生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
論文 参考訳（メタデータ） (2025-11-09T07:25:53Z) - Hierarchical Identity Learning for Unsupervised Visible-Infrared Person Re-Identification [81.3063589622217]
教師なし可視赤外線人物再識別(USVI-ReID)は、ラベルのないクロスモーダルな人物データセットからモダリティ不変の画像特徴を学習することを目的としている。
論文 参考訳（メタデータ） (2025-09-15T05:10:43Z) - Detection of Adulteration in Coconut Milk using Infrared Spectroscopy and Machine Learning [0.0]
赤外分光法によるココナッツ乳の成体化検出システムを提案する。
提案システムは,前処理,特徴抽出,分類の3段階からなる。
提案手法は, 交叉検証精度93.33%で密通検出に成功している。
論文 参考訳（メタデータ） (2025-07-31T10:44:36Z) - Using Machine Learning for Lunar Mineralogy-I: Hyperspectral Imaging of Volcanic Samples [0.3764231189632788]
本研究は,オリービンとピロキセンに着目して,月の物質と類似した火山試料の鉱物組成について検討した。
400 nmから1000 nmの超スペクトルイメージングを用いて,イタリア・シチリア北部,エオリア諸島の火山活動型島バルカノの試料の反射特性を解析するデータ立方体を作成した。
我々は、スペクトルプロファイルを分類するために、K平均、階層クラスタリング、GMM、スペクトルクラスタリングなどの教師なしクラスタリングアルゴリズムを適用した。
論文 参考訳（メタデータ） (2025-03-28T17:01:57Z) - Multi-layer matrix factorization for cancer subtyping using full and partial multi-omics dataset [3.110068567404913]
本稿では,マルチオミクスデータクラスタリングを用いた癌サブタイプのための新しいアプローチとして,MLMF(Multi-Layer Matrix Factorization)を提案する。
完全かつ欠落した値を持つ10のマルチオミクスがんデータセットで実施された実験では、Fがいくつかの最先端アプローチのパフォーマンスに匹敵する結果を得るか、超える結果が得られることを示した。
論文 参考訳（メタデータ） (2024-11-18T20:58:11Z) - Efficient Bilateral Cross-Modality Cluster Matching for Unsupervised Visible-Infrared Person ReID [56.573905143954015]
本稿では, クラスタ間マッチングによるモダリティギャップを低減するための, クラスタマッチングに基づく新たな学習フレームワークを提案する。
このような監視信号の下では、クラスタレベルで特徴を協調的に整列させるために、モダリティ・特定・モダリティ・非依存(MSMA)コントラスト学習フレームワークが提案されている。
公開SYSU-MM01とRegDBデータセットの実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-05-22T03:27:46Z) - Rethinking Clustering-Based Pseudo-Labeling for Unsupervised
Meta-Learning [146.11600461034746]
教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。
このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。
このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
論文 参考訳（メタデータ） (2022-09-27T19:04:36Z) - Low-complexity deep learning frameworks for acoustic scene
classification [64.22762153453175]
音響シーン分類(ASC)のための低複雑さ深層学習フレームワークを提案する。
提案するフレームワークは、フロントエンドのスペクトログラム抽出、オンラインデータ拡張、バックエンドの分類、予測される確率の後期融合の4つの主要なステップに分けることができる。
DCASE 2022 Task 1 Development データセットで実施した実験は,低複雑さの要求を十分に満たし,最も高い分類精度を 60.1% で達成した。
論文 参考訳（メタデータ） (2022-06-13T11:41:39Z) - Learning from Aggregate Observations [82.44304647051243]
本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。
本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。
単純な極大解は様々な微分可能なモデルに適用できる。
論文 参考訳（メタデータ） (2020-04-14T06:18:50Z)
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。