スコットランドの地方大学の研究者兼教師であるマイク・コフィー教授は、ラスベガス スロット マシンが業界を変革するためにどのように使用されているかを説明しています。
ラスベガス スロット マシンは通常、比較的遅い産業でした。酪ラスベガス スロット マシン界を構成する多数の小さな家族農場があり、これらの中小企業の多くは、農家の収益性と遅い離職率の一部に起因する最新のツール、テクノロジー、技術に投資することができません。
しかし、今では変化が見られます。さまざまなサイズの農場が、農場の周りで収集された非常に大量のデータを収集および分析するために、安価で広く利用可能なセンサーテクノロジーをより活用し始めています。牛の行動病気または発情による。この変化は、業界の専門家や利害関係者からの注目を集めており、農場データから洞察を抽出して革新を通知し、ゆっくりと動く業界を変革することに関心を持っています。
ウシの健康を評価するための深い学習
スコットランドの田舎の大学は、農村コミュニティの支援に専念し、自然経済の中心にある世界をリードする研究、教育、コンサルタント組織です。 SRUC内のユニットであるエディンバラの遺伝子評価サービス（EGENES）は、ラスベガス スロット マシンの家畜の国家遺伝的およびゲノム評価を引き受け、大規模なデータ量に新しい分析を適用した長い歴史があります。
最近、主要な英国の牛乳記録組織、National Milk Records（NMR、www.nmr.co.uk）とのプロジェクトで、日常の牛乳記録の副産物である牛乳スペクトルデータの同化を開始しました。英国のすべての乳牛の半分。
そのプロジェクトでは、ディープラーニング（DL）が検出するための既存の手法よりも良い仕事をすることができるかどうかを確認することに興味がありました牛からの生物学的信号、牛乳のスペクトルデータ。成功した場合、これにより、特に妊娠や病気などのカテゴリー特性について、日常的に利用可能な牛乳スペクトルデータからまったく新しい範囲の表現型を予測することができます。
テクノロジーを詳しく調べる
Tensorflowのローカルサーバーへのダウンロードと、関心のある牛疾患に関するいくつかのデータ - ウシ結核（BTB）から始めました。 Tensorflowは、Googleが開発したマシンおよびディープラーニングタスク用のオープンソースソフトウェアライブラリです。
しばらくして、ローカルサーバーでモデルを開発した後、4x Tesla V100 GPUを実行するNVIDIA DGXステーションを購入することにしました。 DGXは、データセンターまたは追加のITインフラストラクチャの要件なしに、プラグアンドプレイAIスーパーコンピューティングとデータセンターテクノロジーを提供します。
DLを使用して作業を進めるにつれて、DLプロセスが正確にラベル付けされたデータによりはるかに適切に機能することに気付きました。この場合、皮膚テストに失敗する前に、BTBはしばしば検出されません。
牛乳miRスペクトルデータからの妊娠の予測に最初に焦点を当てました。これは、生涯を通じて牛の妊娠状態について確信できるようにする牛に関する情報を持っていたからです。 1つの牛乳記録では、牛は妊娠しているかどうかにかかわらず、トレーニングデータを制限してその標識状態を反映することができます。
4,000を超える牛乳記録された群れから697,671頭の牛に300万のスペクトル記録がありました。畳み込みラスベガス スロット マシンラルネットワーク（CNN）を使用して、89％の精度のモデルを作成しました。
DLとTensorflowの経験ができたら、BTBに戻りました。不確実なラベルの問題を克服するために、皮膚テストの故障の直前の8か月間、トレーニングデータセットからすべてのスペクトルデータを削除し、データセット内の牛が健康的または感染しています。
約3,000の群れから230,000頭以上の牛がありました。そのうち8,591が感染しました。全国的に病気の発生率は約7％であるため、影響を受けた影響を受けていないクラスでは、データは非常に不均衡でした。
このモデルから生じる内部予測精度は95％でした。ただし、より興味深く有用なメトリックは、予測の感度でした。
これがより広い業界にとって何を意味するか
これらの予測は、農場レベルで予測を詳細に分析し、他のテストを使用して予測を確認している、興味のある農家と獣医を使用してフィールドトライアル化されています。これらのフィールドトライアルが完了したら、次のステップは、作業システムに予測を展開する方法を説明することです。
ここで説明する特性は両方とも酪農家にとって重要です。エイゼンは、肥沃度と結核耐性の繁殖値を生成し、農家がこれらの特性に対して好ましい遺伝学を持つ動物を選択できるようにします。
この作業は、ラスベガス スロット マシン動物データへのDLの最初の既知の適用です。初期の結果は、このアプローチの恩恵を受ける可能性のある他の特性（例：Johnes、BVD、免疫状態、鉱物など）を考慮するように導くのに十分なことを奨励しています。
この記事は、私たちの第5版にも掲載されていますにも掲載されています。四半期公開.
