機械学習に基づく農場リスク管理:系統的マッピングレビュー【JST・京大機械翻訳】

Ghaffarian Saman; Ghaffarian Saman; van der Voort Mariska; Valente Joao; Tekinerdogan Bedir; de Mey Yann

文献

J-GLOBAL ID：202202246455218927 整理番号：22A0324497

機械学習に基づく農場リスク管理:系統的マッピングレビュー【JST・京大機械翻訳】

Machine learning-based farm risk management: A systematic mapping review

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0324497&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0324497&from=J-GLOBAL&jstjournalNo=T0337A") }}

著者 (6件)： , , , , ,
資料名：
巻： 192 ページ： Null 発行年： 2022年
JST資料番号： T0337A ISSN： 0168-1699 資料種別：逐次刊行物 (A)
記事区分：文献レビュー発行国：オランダ (NLD) 言語：英語 (EN)

農場は,自然成長プロセスの不確実性のような様々なリスクに直面し,適切な資金調達,揮発性入力と出力価格,農場関連政策と規制における予測不可能な変化,および農民の個人健康問題を得る。したがって,農民は,リスクの下でそのような状況のために準備されるべきか,あるいは,それらの影響を軽減するために,必須機能を維持するために決定しなければならない。ますます,機械学習(ML)が農場管理およびリスク管理における意思決定を支援するための有用な情報の自動抽出のための必須ツールになる,データ駆動展望が保証される。農場リスク管理(FRM)におけるMLの役割は,技術とデジタル化の進歩とともに最近増加している。本論文は,FRMのためのML法の使用に関する出版物,傾向,活発な研究コミュニティ,および詳細なレビューを同定するために,系統的マッピング研究の形式における文献レビューを提供する。したがって,9つの研究/マッピング質問を,必要な情報を抽出するために設計した。全体で,1819の論文を検索し,そのうち746の論文を,詳細なレビューのために定義された除外基準に基づいて選択した。対象とするリスクタイプ(例えば,生産リスク),リスク成分(例えば,レジリエンス),使用したMLタイプ(例えば,教師つき学習)および回帰モデリングから深層学習までのアルゴリズム,例えば,MLタスク(例えば,分類),データタイプ(例えば,画像)および農場タイプ(例えば,作物ベース農場)に基づいて,調査を分類した。結果は,最近,FRMのための深い学習と畳み込みニューラルネットワークを含むML方法の採用における著しい増加があることを明らかにした。生産リスクと影響/損傷評価は,ML-FRMにおけるリスク成分を扱う,それぞれ最も頻繁に取り組まれるリスクタイプと評価である。さらに,研究ギャップと未解決問題を同定し,従って,リスクマネジメントと機械学習展望からの洞察と推奨事項を,異なるリスクタイプ(例えば,財政リスク)に対するML法の必要性,異なるリスク成分(例えば,レジリエンス評価)に対処する評価,およびFRMのためのより進んだML法(例えば,強化学習)の開発を含む将来の研究のために提供した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

牛

, , , , ,

前のページに戻る