論文の概要: When Big Data Becomes a Curse: Spatial Heterogeneity and the Limits of Learning from Passive Acoustic Monitoring Data
- arxiv url: http://arxiv.org/abs/2609.26125v1
- Date: Thu, 06 Aug 2026 14:44:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.884088
- Title: When Big Data Becomes a Curse: Spatial Heterogeneity and the Limits of Learning from Passive Acoustic Monitoring Data
- Title（参考訳）: ビッグデータが曲線となるとき:空間的不均一性とパッシブ音響モニタリングデータからの学習限界
- Abstract要約: AIS-labeled 679-second recordings from 38 deployments, 20 Atlantic Canada station IDs, and 21 receiver positions。
AIS-Contact は200倍以上の差があり、デプロイ毎のスクリーニング分布は局所的な解釈を必要とする。
- 参考スコア（独自算出の注目度）: 0.3277163122167433
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Passive Acoustic Monitoring produces large archives whose recordings are clustered by deployment, season, station identifier, and acquisition configuration. We analyze 908,072 AIS-labeled 679-second recordings from 38 deployments, 20 Atlantic Canadian station identifiers, and 21 receiver positions. The AIS-contact prior varies by more than 200-fold, and per-deployment screening distributions require local interpretation. Bidirectional cross-season transfer over the 18 station identifiers observed in both seasons predicts station identity above the 5.56% uniform-chance level, with balanced accuracy of 15.9% for AIS-contact and 16.4% for no-AIS-contact recordings. The same descriptors predict the two hydrophone models at 74.1% and 85.6% balanced accuracy, respectively, but hydrophone model is strongly confounded with season and other deployment-level acquisition differences. On a retrospectively screened and capped benchmark of 54m507 recordings, repeated station-grouped holdout yields an ROC-AUC of 0.612 with a station-bootstrap 95% interval of 0.582 to 0.648, compared with 0.661 under a random-window diagnostic. Their paired difference is 0.049 (0.040 to 0.056). Removing raw energy changes unseen-station ROC-AUC from 0.612 to 0.603, while an exploratory training-station scale analysis is non-monotonic. These results show that random-window validation overstates transfer to unseen station identifiers in this corpus. They support dependence-aware validation and broader independent spatial sampling, while spatial-expert models remain a hypothesis rather than an established remedy.
- Abstract（参考訳）: パッシブ・アコースティック・モニタリング (Passive Acoustic Monitoring) は、デプロイメント、シーズン、ステーション識別子、取得設定によって記録がクラスタ化されている大規模なアーカイブを生成する。
AIS-labeled 679-second recordings from 38 deployments, 20 Atlantic Canada station IDs, and 21 receiver positions。
AIS-Contact は200倍以上の差があり、デプロイ毎のスクリーニング分布は局所的な解釈を必要とする。
両シーズンで観測された18の駅識別子上の双方向のクロスシーズン転送は、5.56%以上の駅の身元を予測し、AIS-Contactの精度は15.9%、非AIS-Contactの記録の16.4%である。
同じ記述者は2つのハイドロフォンモデルをそれぞれ74.1%と85.6%の精度で予測するが、ハイドロフォンモデルは季節差と他の展開レベルの獲得差と強く結びついている。
54m507レコードの遡及的スクリーニングとキャップ付きベンチマークでは、局群ホールドアウトが0.612のROC-AUCと0.582〜0.648のステーションブートストラップ95%間隔を出力し、ランダムウィンドウ診断では0.661と比較した。
対差は0.049(0.040〜0.056)である。
ROC-AUCを0.612から0.603に除去する一方、探索的なトレーニングステーションスケール分析は非単調である。
これらの結果から,ランダムウィンドウの検証オーバーステートが,このコーパスの未確認ステーション識別子に転送されることが示唆された。
それらは依存認識の検証とより広い独立した空間サンプリングをサポートし、一方空間エキスパートモデルは確立された治療ではなく仮説のままである。
関連論文リスト
- Open ultrasound foundation model for robust segmentation and clinical measurement across heterogeneous settings [66.3653308198376]
SonoCorpusは、24の臨床応用と17の国にまたがる53のパブリックデータセットから、456,963のイメージと1,626,085のエキスパートマスクを統合するオープンリソースである。
SonoBaseは、事前にトレーニングされたインタラクティブセグメンテーション基盤モデルである。
論文 参考訳（メタデータ） (2026-09-16T15:34:21Z) - AgroVisNet: A lightweight Convolutional Network and the BD-PlantDX Expert-Validated Benchmark for Radish, Potato and Pointed Gourd Disease Classification [0.3686530147760243]
我々は,BD-PlantDXとともに,スクラッチから学習したコンパクトな畳み込みネットワークであるAgroVisNetを提案する。
BD-PlantDXでは、テスト精度は99.52%、重み付きF1は99.52%に達し、6つのImageNet推奨の軽量バックボーンを超える。
デプロイ用にエクスポートされたこのモデルは、0.46MBのフル整数ネットワークに0.22ポイントの精度で量子化し、1CPUで8.40msの画像を分類する。
論文 参考訳（メタデータ） (2026-09-09T17:12:17Z) - Spectral Features Dominate BCG Respiratory-Event Detection: A Large-Scale Patient-Independent Comparison of Feature Groups in Sleep Apnea Patients [33.60217549899358]
バリスト心電図(BCG)は長期睡眠時無呼吸モニタリングにおいて有望なモダリティである。
呼吸異常の検出においてどの信号の特徴が最も識別されているかは、まだ不明である。
BCG特徴群10群を文献的,患者非依存的に比較検討した。
論文 参考訳（メタデータ） (2026-08-28T11:56:12Z) - GeoID-PINN: Identifiability-Aware Regional Epidemic Inference with Geographic Coupling [1.0875426095207128]
本稿では,物理インフォームドニューラルネットワーク(PINN)を導入する。
我々は、距離、隣接性、通勤性、およびリードラグ情報から構築された空間先行を正規化する。
Forecast-Trained Geo-PINNは自己回帰的な負二項基底に対して、平均二乗誤差(MSE)を32,957から11,468、平均絶対誤差(MAE)を70.60から57.73に減少させる。
論文 参考訳（メタデータ） (2026-07-28T05:59:23Z) - Beyond False Stability: High-Noise Drift Gating for Test-Time Adversarial Defenses in Vision-Language Models [37.24612885977265]
CLIPのような視覚言語モデル(VLM)は、強いゼロショットの一般化を示すが、敵攻撃に対して非常に脆弱である。
最近のアプローチでは、CLIPの視覚的表現が摂動にどのように反応するかを利用する。
軽量ゲーティング信号として高雑音特徴ドリフトを用いた学習自由なプラグインドリフトゲート機構を提案する。
論文 参考訳（メタデータ） (2026-06-02T14:49:04Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。
このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。
本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:14:20Z) - The Alignment Tax: Response Homogenization in Aligned LLMs and Its Implications for Uncertainty Estimation [1.8345614451086532]
RLHF 対応言語モデルは TruthfulQA 上で応答均質化を示す。
40-79%の質問は、10のi.i.d.サンプルに対して単一のセマンティッククラスタを生成する。
論文 参考訳（メタデータ） (2026-03-25T09:35:15Z) - Bayesian Transformer for Probabilistic Load Forecasting in Smart Grids [0.0]
本研究では,3つの相補的不確実性機構をPatchTSTバックボーンに統合したベイズ変圧器フレームワークを提案する。
7段階のマルチクエンタリーピンボールロス予測ヘッドと、訓練後の等音波回帰キャリブレーションにより、鋭く、ほぼ一意にカバーされた予測間隔が生成される。
主要なベンチマーク(PJM, H=24h)では、BTは0.0289のCRPSを達成し、Deep Ensemblesより7.4%、決定論的LSTMより29.9%改善した。
論文 参考訳（メタデータ） (2026-03-09T02:39:51Z)
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。