基于多任务学习的葡萄抗寒性预测
机器学习
2023-01-06 v4
摘要
秋季和春季的低温可能对葡萄藤及其他果树造成霜冻损害，从而显著减少收获产量。为帮助防止这些损失，农民在判断可能发生损害时会部署昂贵的霜冻缓解措施，如洒水器、加热器和风机。然而，这一判断具有挑战性，因为植物的抗寒性在休眠期不断变化且难以直接测量。这促使科学家开发可基于费力的田间测量数据针对不同葡萄品种调整的抗寒性预测模型。本文中，我们研究深度学习模型能否基于过去 30 年收集的数据改善葡萄抗寒性预测。一个关键挑战是各品种的数据量高度可变，某些品种仅有少量数据。为此，我们探究使用多任务学习来跨品种利用数据，以提升单个品种的预测性能。我们评估了多种多任务学习方法，并表明性能最高的方法能够显著优于单品种学习，且在大多数品种上优于当前 SOTA 科学模型。
引用
@article{arxiv.2209.10585,
title = {Grape Cold Hardiness Prediction via Multi-Task Learning},
author = {Aseem Saxena and Paola Pesantez-Cabrera and Rohan Ballapragada and Kin-Ho Lam and Markus Keller and Alan Fern},
journal= {arXiv preprint arXiv:2209.10585},
year = {2023}
}
备注
6 pages, 2 figures, accepted at IAAI-23