論文の概要: Beyond Point Predictions: Uncertainty-Aware Satellite Poverty Mapping for Public Policy

• arxiv url: http://arxiv.org/abs/2608.23322v2
• Date: Wed, 26 Aug 2026 14:23:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.064104
• Title: Beyond Point Predictions: Uncertainty-Aware Satellite Poverty Mapping for Public Policy
• Title（参考訳）: ポイント予測を超えて: 公共政策のための不確かさを意識した衛星貧困マッピング
• Authors: Markus B. Pettersson, James Bailie, Mohammad Kakooei, Eagon Meng, Adel Daoud,
• Abstract要約: 意思決定者やアナリストは、機械学習の予測においてエラーによって誤解されないことを保証する必要がある。 本研究では、同時量子化回帰に基づく貧困マッピングのための不確実性を考慮したEO-ML法と、新しい共形予測法を開発した。 シミュレーションでは、このアプローチは他の戦略よりも、適任者当たりの援助をかなり多く提供します。
• 参考スコア（独自算出の注目度）: 2.681553164626998
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite their critical importance for policy and research, high-resolution poverty data remain limited across much of Africa. Machine learning (ML) with earth observation (EO) imagery has recently emerged as a way to supplement these data by predicting (i.e., estimating) poverty where it has not been directly measured. Yet to be used reliably, decision-makers and analysts need assurances that they will not be misled by the errors in these predictions. To meet this need, we develop an uncertainty-aware EO-ML method for poverty mapping based on simultaneous quantile regression and a novel form of conformal prediction. Using a spatiotemporal transformer trained on sequences of Landsat and nighttime-light images, we produce prediction intervals for neighborhood-level International Wealth Index estimates across Africa which are statistically guaranteed to achieve their desired coverage rates. While our method's point-prediction performance matches the state of the art, its prediction intervals are wider than might be expected given its high $R^2$ of $0.75$. However, other models of similar accuracy likely suffer from comparable uncertainty, pointing to an inherent limitation: even with its remarkably high explanatory power, EO-ML cannot naively be relied upon for policy-making, such as when designing poverty-targeting programs. To handle this challenge, we develop a procedure to efficiently allocate aid using both ground-truth surveys and model predictions while provably ensuring the risk of excluding eligible neighborhoods remains below a prespecified level. In simulations, this approach delivers substantially more aid per eligible recipient than other strategies, thereby demonstrating that EO-ML can indeed be a reliable supplement to traditional data sources.
• Abstract（参考訳）: 政策と研究において重要な重要性があるにもかかわらず、高解像度の貧困データはアフリカの大部分で制限されている。 地球観測(EO)画像を用いた機械学習(ML)は、直接測定されていない貧困を予測し、これらのデータを補う方法として最近登場した。 しかし、確実に使用するためには、意思決定者やアナリストは、これらの予測の誤りに誤解されないよう保証する必要がある。 このニーズを満たすために、同時量子化回帰と新しい共形予測形式に基づく貧困マッピングのための不確実性を考慮したEO-ML法を開発した。 本研究では,ランドサットおよび夜間光画像の時系列をトレーニングした時空間変換器を用いて,アフリカ全土の地域レベル国際健康指数の推定値の予測間隔を生成した。 提案手法のポイント予測性能は最先端技術と一致するが,その予測間隔は高いR^2$$0.75$から予想されるよりも広い。 しかし、同様の精度の他のモデルは、本質的に制限されていることを指摘して、同様の不確実性に悩まされる可能性がある。 この課題に対処するため,本研究では,地中調査とモデル予測の両方を用いた援助を効果的に配分する手法を開発し,対象地域を除外するリスクが予め定められたレベル以下であることを確実に保証する。 シミュレーションでは、このアプローチは他の戦略よりも適任者当たりの援助をかなり多く提供し、その結果、EO-MLが従来のデータソースの信頼できるサプリメントであることを示す。

関連論文リスト

• Conformal Reliability: A New Evaluation Metric for Conditional Generation [62.761166941396844]
  条件付き生成モデルは、近年、様々な応用において顕著な成功を収めている。 本稿では,信頼度を事前に設定した予測値に基づいて,信頼度という新たな評価指標を提案する。 本稿では, 予測セットの構築と, (ii) 構築した予測セット内の信頼性スコアを正確に最適化するフレームワークであるConformal Reliability(CReL)を紹介する。
  論文  参考訳（メタデータ） (2026-05-29T03:52:44Z)
• Towards Generation-Efficient Uncertainty Estimation in Large Language Models [6.111244917760012]
  医療やファイナンスといった高度なアプリケーションにLLMをデプロイする上で,不確実性評価が重要である。 既存の手法では、不確実性を推定するために1つ以上の完全な自己回帰世代が必要である。 部分生成や入力のみの情報を用いて有効不確実性を推定できるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-05-07T11:39:13Z)
• PERRY: Policy Evaluation with Confidence Intervals using Auxiliary Data [36.6443700664411]
  オフ政治評価(OPE)手法は,展開前の新たな強化学習(RL)政策の価値を推定することを目的としている。 データ拡張を利用する場合、OPEに対して有効な信頼区間を構築するための2つの方法を提案する。
  論文  参考訳（メタデータ） (2025-07-26T21:51:15Z)
• PredictaBoard: Benchmarking LLM Score Predictability [50.47497036981544]
  大きな言語モデル(LLM)は予測不能に失敗することが多い。 これは、安全なデプロイメントを保証する上で、大きな課題となる。 PredictaBoardは,新しいベンチマークフレームワークである。
  論文  参考訳（メタデータ） (2025-02-20T10:52:38Z)
• Uncertainty quantification for probabilistic machine learning in earth observation using conformal prediction [0.22265536092123003]
  ダウンストリームアプリケーションに否定的な結果をもたらす人工知能(AI)システムを使用する場合、信頼性の低い予測が発生する可能性がある。 コンフォーマル予測は、あらゆるデータセットに適用可能な不確実性定量化のためのモデルに依存しないフレームワークを提供する。 点予測とともに不確実性を報告する必要性が高まっているため、地球観測応用における等角予測の約束に注意を向ける。
  論文  参考訳（メタデータ） (2024-01-12T07:31:21Z)
• Conservative Predictions on Noisy Financial Data [6.300716661852326]
  金融市場の価格変動は、非常に騒々しいことがよく知られている。 従来のルール学習技術は、高精度なルールのみを求め、先行者が適用されない予測を控えるものだった。 我々は、モデルが不確実であるデータポイントの予測を控える、同様のアプローチを適用する。
  論文  参考訳（メタデータ） (2023-10-18T09:14:19Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Forecasting COVID-19 daily cases using phone call data [0.0]
  本稿では,コールデータを用いて日次確認症例数を予測するために最適化した簡易な多重線形回帰モデルを提案する。 提案手法は, ARIMA, ETS, および呼び出しデータのない回帰モデルより優れており, 3点予測誤差, 1点予測間隔, 2点の確率予測精度測定によって評価される。
  論文  参考訳（メタデータ） (2020-10-05T18:07:07Z)
• Learning to Predict Error for MRI Reconstruction [67.76632988696943]
  提案手法による予測の不確実性は予測誤差と強く相関しないことを示す。 本稿では,2段階の予測誤差の目標ラベルと大小を推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-02-13T15:55:32Z)
• Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
  衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。 対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
  論文  参考訳（メタデータ） (2020-02-05T02:50:01Z)

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。