【論文紹介】
論文が Remote Sensing に掲載されました!
地すべり感受性評価では、過去に地すべりが記録されていない場所を「安全な場所=負例」として扱うことがあります。しかし、実際には「まだ発生していないだけ」「記録されていないだけ」という可能性もあり、これが機械学習による予測の大きな不確実性になります。
本研究では、こうした問題に対して、弱教師あり学習による負例構築、SHAP・PFIによる説明可能な特徴量評価、アンサンブルによる確率的推論を組み合わせた地すべり感受性評価のフレームワークを提案しました。
単に「どこで地すべりが起こりやすいか」を地図化するだけでなく、「その予測をどの程度信頼できるか」という不確実性もあわせて空間的に評価することを目指しています。
An Interpretable Uncertainty-Aware Framework for Landslide Susceptibility Mapping Based on Weak Supervision and Probabilistic Inference
https://t.co/5CbYtLCnT3