論文の概要: Scenario Generalization and Sector Transfer in Real Surface Irrigation Surrogate Modelling with Tabular Models

• arxiv url: http://arxiv.org/abs/2610.26005v1
• Date: Mon, 19 Oct 2026 08:30:44 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:36:27.23076
• Title: Scenario Generalization and Sector Transfer in Real Surface Irrigation Surrogate Modelling with Tabular Models
• Title（参考訳）: タブラルモデルを用いた実表面洗浄サロゲートモデルにおけるシナリオ一般化とセクタ移動
• Abstract要約: 表面洗浄計画では、多くの操作条件と空間的構成を検査する必要がある。 高忠実浅水方程式シミュレーションは高価である。 本研究では, ドローン由来のフィールド形態, 地形, 水文, 空間, シナリオ記述子から最大水位を予測するための代理モデルについて検討した。
• 参考スコア（独自算出の注目度）: 38.48364262836075
• License:
• Abstract: Surface irrigation planning requires screening many operating conditions and spatial configurations, while high-fidelity shallow-water-equation (SWE) simulations are expensive. We study tabular surrogate models for predicting maximum water height from drone-derived field morphology, terrain, hydrological, spatial, and scenario descriptors, where each row represents a spatial cell under one irrigation scenario. To assess deployment feasibility, we evaluate gradient-boosted trees, neural tabular models, AutoML, and tabular foundation models (TFMs) under two regimes: same-sector generalization, where a model predicts unseen scenarios after observing a limited set of configurations in the same sector, and sector-out transfer, where knowledge learned from source sectors is transferred to an unseen sector. The main findings are twofold: a) under the evaluated fixed 8/32 same-sector split, surrogates achieve strong performance, especially with raw spatial coordinates; b) sector-out transfer is substantially harder because the target sector has different coordinates and geometry. Sector-frame normalization of spatial coordinates improves transfer across similarly structured sectors, but does not solve cross-shape generalization. Overall, tabular surrogates appear useful for same-sector scenario screening under this fixed split, while robust transfer to unseen sectors remains open.
• Abstract（参考訳）: 表面洗浄計画には多くの操作条件と空間構成のスクリーニングが必要であるが、高忠実な浅水方程式(SWE)シミュレーションは高価である。 本研究では, ドローン由来のフィールド形態, 地形, 水文, 空間, シナリオ記述子から最大水位を予測するための表層サロゲートモデルについて検討した。 展開実現可能性を評価するため,同分野の限られた構成を観察した後,モデルが未知のシナリオを予測する同領域一般化と,ソースセクターから学習した知識を未知のセクターに伝達するセクターアウトトランスファーという2つの体制の下で,勾配木,神経表層モデル,オートML,表層基盤モデル(TFM)を評価する。 主な発見は2つある。 a) 評価された固定された8/32の同セクター分割の下では,サロゲートは,特に生の空間座標において,強い性能を達成する。 b) 対象セクターが座標や幾何が異なるため、セクターアウト転送が著しく困難である。 空間座標のセクタ・フレーム正規化は、同様に構造化されたセクタ間の移動を改善するが、クロス形状の一般化は解決しない。 全体として、表状のサロゲートは、この固定された分割の下での同一セクターシナリオのスクリーニングに有用であるが、未確認セクターへのロバストな転送は未解決のままである。

関連論文リスト

• Dynamic Spatial Bayesian Machine Learning Model: Applications to Intergenerational Economic Mobility and Geographic Income Inequality in the United States [0.0]
  本研究では,高次元パネルデータを対象とした動的空間的ベイズ付加回帰モデル(DSP-BARTHS)を開発した。 合衆国の2つの郡レベルのパネルアプリケーションにまたがって実用性を実証する。
  論文  参考訳（メタデータ） (2026-09-04T23:19:50Z)
• Evolving Spatial Weights for Cartographic Synthesis [34.00232821914697]
  本研究では,空間自己相関構造に基づく地図合成の多目的定式化を提案する。 我々は,グローバル空間構造を最大化することにより,層重みを推定する双方向進化フレームワークGIS-moGAを開発した。 その結果,集団多様性の維持と早期収束の予防には高い突然変異率が重要であることが示された。
  論文  参考訳（メタデータ） (2026-06-20T22:34:29Z)
• Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
  本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。 モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
  論文  参考訳（メタデータ） (2026-05-16T12:01:04Z)
• Open-Vocabulary Domain Generalization in Urban-Scene Segmentation [83.15573353963235]
  セマンティックドメインのドメイン一般化(DG-SS)は、セグメント化モデルが目に見えない環境で堅牢に動作できるようにすることを目的としている。 VLM(Vision-Language Models)の最近の進歩は、モデルがより広い範囲の概念を認識できるようにすることにより、OV-SS(Open-Vocabulary Semantic)が進歩している。 しかし、これらのモデルはドメインシフトに敏感であり、目に見えない環境にデプロイされた場合、堅牢性を維持するのに苦労する。 状態空間駆動型テキスト画像相関改善機構であるS2-Corrを提案する。
  論文  参考訳（メタデータ） (2026-02-21T14:32:27Z)
• Bridging Simulation and Reality: Cross-Domain Transfer with Semantic 2D Gaussian Splatting [60.513168855890974]
  ロボット操作におけるクロスドメイン転送は、シミュレートされた環境と実世界の環境の間に大きなドメインギャップがあるため、長年にわたる課題である。 本研究では,オブジェクト中心の領域不変空間特徴を抽出する新しい表現法であるSemantic 2D Gaussian Splatting (S2GS)を提案する。 S2GSはsim-to-real転送性を大幅に改善し、現実世界のシナリオで高安定なタスク性能を維持する。
  論文  参考訳（メタデータ） (2025-12-04T12:16:15Z)
• A multi-view contrastive learning framework for spatial embeddings in risk modelling [0.688204255655161]
  空間データは、しばしば非構造的で、高次元であり、予測モデルに統合することは困難である。 空間埋め込みを生成するための新しい多視点コントラスト学習フレームワークを提案する。 フランスの不動産価格に関するケーススタディでは、生座標で訓練されたモデルと、空間埋め込みを入力として使用するモデルを比較した。
  論文  参考訳（メタデータ） (2025-11-22T07:39:34Z)
• Boosting Adversarial Transferability with Spatial Adversarial Alignment [56.97809949196889]
  ディープニューラルネットワークは、様々なモデルにまたがる転送可能性を示す敵の例に対して脆弱である。 本稿では,アライメント損失を利用してサロゲートモデルを微調整する手法を提案する。 ImageNet上の様々なアーキテクチャの実験では、SAAに基づくアライメントされたサロゲートモデルにより、より高い転送可能な逆の例が得られることが示されている。
  論文  参考訳（メタデータ） (2025-01-02T02:35:47Z)
• Mitigation of Spatial Nonstationarity with Vision Transformers [1.690637178959708]
  深層学習モデル予測性能に対する2種類の測地的空間非定常性の影響を示す。 本稿では,自己注意モデル(ビジョン・トランスフォーマー)を用いて,そのような影響の緩和を提案する。
  論文  参考訳（メタデータ） (2022-12-09T02:16:05Z)
• From Big to Small: Adaptive Learning to Partial-Set Domains [94.92635970450578]
  ドメイン適応は、分布シフト中のラベル付きソースドメインからラベルなしターゲットドメインへの知識獲得と普及を目標とする。 近年の進歩は、大規模の深層学習モデルにより、小規模の下流の多様な課題に取り組むための豊富な知識が得られていることを示している。 本稿では,学習パラダイムである部分領域適応(Partial Domain Adaptation, PDA)を紹介する。
  論文  参考訳（メタデータ） (2022-03-14T07:02:45Z)
• Multi-Scale Representation Learning for Spatial Feature Distributions using Grid Cells [11.071527762096053]
  本研究では,位置の絶対位置と空間的関係を符号化するスペース2Vecという表現学習モデルを提案する。 その結果、Space2Vecはマルチスケール表現のため、確立されたMLアプローチよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-02-16T04:22:18Z)

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。