Fugu-MT 論文翻訳(概要): NeurEO: dissecting Earth observation embeddings with computational neuroscience

論文の概要: NeurEO: dissecting Earth observation embeddings with computational neuroscience

arxiv url: http://arxiv.org/abs/2610.40137v1
Date: Thu, 29 Oct 2026 14:28:26 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-02 08:11:27.873006
Title: NeurEO: dissecting Earth observation embeddings with computational neuroscience
Title（参考訳）: NeurEO: 計算神経科学による地球観測の発見
Abstract要約: 我々は,埋設特性をスタンドアローンデータとして解析し,土地被覆と標高の相関関係について検討した。埋め込み機能における相関構造とマルチスケール構造を示す。我々の分析は、これらの地球埋め込みが何を表現しているかを解明し始めており、これは信頼できる下流アプリケーションを開発する上で非常に重要である。
参考スコア（独自算出の注目度）: 3.568466510804539
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Earth embeddings are compressed representations of rich Earth observation data that enable downstream models to tackle a wide range of complex geospatial tasks. Yet, this increase in performance comes at the cost of decreased interpretability, as the semantic meaning of Earth embeddings is unknown. To address this challenge, we borrow methods from the field of computational neuroscience, which aim to interpret activity in (biological) neurons. Here, we adapt and apply these methods to assign meaning to AlphaEarth embeddings. We analyse embedding features both as stand-alone data, equivalent to spontaneous neural activity, and in relation to land cover and elevation correlates, equivalent to stimulus-response neural activity. We demonstrate correlational and multi-scale structure in the embedding features. Embedding features can display highly specific and directional tuning to land cover and elevation, such as a `North vs South woodland edge' response. When we remove the main trends of combined land cover responses (like water versus land tuning), we discover fine-grained representational details with increased effective dimensionality. Together, our analyses start to unravel what these Earth embeddings represent, which is critical for developing trustworthy downstream applications.
Abstract（参考訳）: 地球埋め込みはリッチな地球観測データの圧縮表現であり、下流のモデルが幅広い複雑な地理空間的タスクに取り組むことができる。しかし、この性能向上は、地球埋め込みの意味が不明であるため、解釈可能性の低下によるものである。この課題に対処するために、我々は、(生物学的)ニューロンの活性を解釈することを目的とした計算神経科学の分野から手法を借りる。ここでは,これらの手法を適用し,AlphaEarth埋め込みに意味を割り当てる。我々は,自発性神経活動と等価なスタンドアロンデータとしての埋め込み特性と,刺激応答性神経活動と等価な土地被覆と標高の関係を解析した。埋め込み機能における相関構造とマルチスケール構造を実証する。埋め込み機能は、「北と南の森の端」の反応のように、土地被覆と標高への高度調整を非常に具体的かつ指向的に行うことができる。土地被覆応答(水対地調律など)の主潮流を除去すると,有効次元が増大した細粒度表現の詳細が見つかる。同時に、我々の分析は、これらの地球埋め込みが何を表現しているかを解明し始め、これは信頼できる下流アプリケーションを開発するために重要である。

関連論文リスト

Link prediction on multi-relational graphs from an influence propagation perspective [51.14502982773836]
マルチリレーショナルグラフにおけるノード間のリンク(エッジ)の存在とタイプを予測することは、社会的相互作用の予測から知識関係の同定まで、応用の鍵となる。ノード間の関係をノードの影響としてモデル化することで、この問題に対処する。本稿では,インフルエンシャルグラフニューラル予測器IGNPを提案する。
論文参考訳（メタデータ） (2026-08-05T16:21:46Z)
Towards Utilising a Range of Neural Activations for Comprehending Representational Associations [0.6554326244334868]
ディープニューラルネットワークにおける中間表現をラベル付けするアプローチでは,その振る舞いに関する貴重な情報を捕捉できないことを示す。非極端レベルのアクティベーションには、調査する価値のある複雑な情報が含まれていると仮定する。そこで本研究では,中間領域のロジットサンプルから得られたデータを用いて,スプリアス相関を緩和する手法を開発した。
論文参考訳（メタデータ） (2024-11-15T07:54:14Z)
Heterogeneous Graph Neural Networks with Post-hoc Explanations for Multi-modal and Explainable Land Use Inference [11.753345219488745]
本稿では、異種グラフニューラルネットワーク(HGN)と説明可能なAI技術を組み合わせた土地利用推定のための説明可能なフレームワークを提案する。実験により、提案したHGNは6つの土地利用指標すべてに対して、ベースライングラフニューラルネットワークを著しく上回っていることが示された。これらの分析は,提案したHGNが都市計画や政策立案において,都市利害関係者を適切に支援できることを示した。
論文参考訳（メタデータ） (2024-06-19T17:39:10Z)
Integrative Deep Learning Framework for Parkinson's Disease Early Detection using Gait Cycle Data Measured by Wearable Sensors: A CNN-GRU-GNN Approach [0.3222802562733786]
対象のバイナリ分類に適した,先駆的な深層学習アーキテクチャを提案する。我々のモデルは、1D畳み込みニューラルネットワーク(CNN)、GRU(Gated Recurrent Units)、GNN(Graph Neural Network)のパワーを利用する。提案モデルでは, 99.51%, 99.57%, 99.71%, 99.64%のスコアが得られた。
論文参考訳（メタデータ） (2024-04-09T15:19:13Z)
Improving Neural Additive Models with Bayesian Principles [54.29602161803093]
ニューラル加算モデル(NAM)は、個別の加算サブネットワークでキャリブレーションされた入力特徴を扱うことにより、ディープニューラルネットワークの透明性を高める。本研究では,Laplace-approximated NAM (LA-NAMs) を開発した。
論文参考訳（メタデータ） (2023-05-26T13:19:15Z)
Language Knowledge-Assisted Representation Learning for Skeleton-Based Action Recognition [71.35205097460124]
人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。 LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
論文参考訳（メタデータ） (2023-05-21T08:29:16Z)
A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文参考訳（メタデータ） (2022-11-04T09:58:57Z)
Deep residential representations: Using unsupervised learning to unlock elevation data for geo-demographic prediction [0.0]
LiDAR技術は、都市景観と農村景観の詳細な3次元標高マップを提供するために利用することができる。現在まで、空中LiDAR画像は、主に環境と考古学の領域に限られている。我々は、このデータの適合性は、独自のだけでなく、人口統計学的特徴と組み合わせたデータの源でもあると考え、埋め込みの現実的なユースケースを提供する。
論文参考訳（メタデータ） (2021-12-02T17:10:52Z)
Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文参考訳（メタデータ） (2021-09-06T13:10:37Z)
And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文参考訳（メタデータ） (2021-02-15T08:19:05Z)
Interpreting Deep Neural Networks with Relative Sectional Propagation by Analyzing Comparative Gradients and Hostile Activations [37.11665902583138]
DNN(Deep Neural Networks)の出力予測を分解するための新しいアトリビューション手法であるRelative Sectional Propagation(RSP)を提案する。我々は、敵対的因子をターゲットの属性を見つけるのを妨げる要素として定義し、活性化ニューロンの非抑制的な性質を克服するために区別可能な方法でそれを伝播させる。本手法により,従来の帰属法と比較して,DNNのクラス識別性や活性化ニューロンの詳細な解明により,DNNの予測を分解することができる。
論文参考訳（メタデータ） (2020-12-07T03:11:07Z)

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。