論文の概要: EventMapper: Detecting Real-World Physical Events Using Corroborative
and Probabilistic Sources
- arxiv url: http://arxiv.org/abs/2001.08700v1
- Date: Thu, 23 Jan 2020 17:47:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 12:37:38.168412
- Title: EventMapper: Detecting Real-World Physical Events Using Corroborative
and Probabilistic Sources
- Title（参考訳）: eventmapper:corroborativeおよびprobabilistic sourcesを用いた実世界の物理イベントの検出
- Authors: Abhijit Suprem and Calton Pu
- Abstract要約: EventMapperは、小さくても等しくコストがかかるイベントのイベント認識をサポートするフレームワークである。
高速で高精度な相関源、例えば低遅延の物理センサー、ソーシャルメディアストリームのようなノイズの多い確率的情報源を統合している。
EventMapper上に構築された3つのアプリケーションについて説明する。
- 参考スコア（独自算出の注目度）: 3.210653757360955
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ubiquity of social media makes it a rich source for physical event
detection, such as disasters, and as a potential resource for crisis management
resource allocation. There have been some recent works on leveraging social
media sources for retrospective, after-the-fact event detection of large events
such as earthquakes or hurricanes. Similarly, there is a long history of using
traditional physical sensors such as climate satellites to perform regional
event detection. However, combining social media with corroborative physical
sensors for real-time, accurate, and global physical detection has remained
unexplored.
This paper presents EventMapper, a framework to support event recognition of
small yet equally costly events (landslides, flooding, wildfires). EventMapper
integrates high-latency, high-accuracy corroborative sources such as physical
sensors with low-latency, noisy probabilistic sources such as social media
streams to deliver real-time, global event recognition. Furthermore,
EventMapper is resilient to the concept drift phenomenon, where machine
learning models require continuous fine-tuning to maintain high performance.
By exploiting the common features of probabilistic and corroborative sources,
EventMapper automates machine learning model updates, maintenance, and
fine-tuning. We describe three applications built on EventMapper for landslide,
wildfire, and flooding detection.
- Abstract（参考訳）: ソーシャルメディアのユビキタス性は、災害などの物理的なイベント検出のための豊富な情報源となり、危機管理リソース割り当ての潜在的なリソースとなる。
近年では, 地震やハリケーンなどの大イベントの事後検出など, ソーシャルメディアをふりかえりに活用する研究が盛んに行われている。
同様に、気候衛星のような伝統的な物理センサーを使用して地域イベント検出を行う長い歴史がある。
しかし、ソーシャルメディアと相関的な物理的センサーを組み合わせることで、リアルタイム、正確、そしてグローバルな物理的検出は未解明のままである。
本稿では,小規模なイベント(地すべり,洪水,山火事)のイベント認識をサポートするフレームワークであるEventMapperを提案する。
EventMapperは、物理センサや低レイテンシ、ソーシャルメディアストリームなどのノイズの多い確率的ソースなど、高レイテンシで高精度な相関ソースを統合して、リアルタイムでグローバルなイベント認識を提供する。
さらに、EventMapperは、機械学習モデルが高性能を維持するために継続的な微調整を必要とする、コンセプトドリフト現象に耐性がある。
確率的および相関的なソースの一般的な機能を活用することで、EventMapperは機械学習モデルの更新、メンテナンス、微調整を自動化する。
EventMapper上に構築された3つのアプリケーションについて説明する。
関連論文リスト
- On the Generation of a Synthetic Event-Based Vision Dataset for
Navigation and Landing [69.34740063574921]
本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。
我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。
パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
論文 参考訳（メタデータ） (2023-08-01T09:14:20Z) - EnrichEvent: Enriching Social Data with Contextual Information for
Emerging Event Extraction [5.795017262737487]
本稿では,ストリーミングソーシャルデータの言語的および文脈的表現を活用する新しいフレームワークであるEnrichEventを提案する。
提案するフレームワークは,イベントの時間的変化を示すために,各イベントのクラスタチェーンを生成する。
論文 参考訳（メタデータ） (2023-07-29T21:37:55Z) - Event-based Simultaneous Localization and Mapping: A Comprehensive Survey [52.73728442921428]
ローカライゼーションとマッピングタスクのための非同期および不規則なイベントストリームの利点を利用する、イベントベースのvSLAMアルゴリズムのレビュー。
Paperは、イベントベースのvSLAMメソッドを、特徴ベース、ダイレクト、モーション補償、ディープラーニングの4つのカテゴリに分類する。
論文 参考訳（メタデータ） (2023-04-19T16:21:14Z) - Dual Memory Aggregation Network for Event-Based Object Detection with
Learnable Representation [79.02808071245634]
イベントベースのカメラはバイオインスパイアされたセンサーで、各ピクセルの明るさ変化を非同期に捉える。
イベントストリームは、正極性と負極性の両方のためにx-y-t座標の格子に分割され、3次元テンソル表現として柱の集合が生成される。
長メモリは適応型convLSTMの隠れ状態に符号化され、短メモリはイベントピラー間の空間的時間的相関を計算することによってモデル化される。
論文 参考訳（メタデータ） (2023-03-17T12:12:41Z) - Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。
我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
論文 参考訳（メタデータ） (2021-10-19T17:41:43Z) - Real-time Spatio-temporal Event Detection on Geotagged Social Media [3.446756313739598]
本稿では,ソーシャルメディアを利用したオンラインイベント検出システムを提案し,時間と空間の解像度の異なるイベントを検出する。
ポスト処理ステージは、スパム、フェイク、不正なイベントをフィルタリングするために導入される。
提案手法は,Melbourne,London,Paris,New Yorkなど,さまざまな都市を対象としたさまざまなソーシャルメディアデータセットを用いて評価する。
論文 参考訳（メタデータ） (2021-06-23T07:14:03Z) - Streaming Social Event Detection and Evolution Discovery in
Heterogeneous Information Networks [90.3475746663728]
イベントは現実世界やリアルタイムで行われており、社会集会、祝祭、影響力のある会議、スポーツ活動などのイベントのために計画や組織化が可能である。
ソーシャルメディアプラットフォームは、トピックの異なる公開イベントに関する多くのリアルタイムテキスト情報を生成する。
しかし、異質なテクスチャやメタデータがあいまいであることが多いため、社会イベントの採掘は困難である。
論文 参考訳（メタデータ） (2021-04-02T02:13:10Z) - Event-Related Bias Removal for Real-time Disaster Events [67.2965372987723]
ソーシャルメディアは、自然災害や大量攻撃などの危機事象に関する情報を共有する重要なツールとなっている。
有用な情報を含む実行可能なポストを検出するには、大量のデータをリアルタイムに高速に分析する必要がある。
我々は、潜在事象固有のバイアスを除去し、ツイート重要度分類の性能を向上させるために、敵対的ニューラルモデルを訓練する。
論文 参考訳（メタデータ） (2020-11-02T02:03:07Z) - Embed2Detect: Temporally Clustered Embedded Words for Event Detection in
Social Media [1.7205106391379026]
ワード埋め込みの採用により、Embed2Detectは強力なセマンティック機能をイベント検出に組み込むことができる。
以上の結果から,Embed2Detectは効率的かつ効率的なイベント検出が可能であることが示唆された。
論文 参考訳（メタデータ） (2020-06-10T15:52:52Z) - Complex networks for event detection in heterogeneous high volume news
streams [0.0]
オンラインニュースの量と頻度は、リアルタイムに動作可能な自動イベント検出方法の必要性を高める。
我々は、重要なニュースイベントが常にニュース記事にリンクされた名前付きエンティティを巻き込む、ネットワークベースのアプローチを開発する。
論文 参考訳（メタデータ） (2020-05-28T02:45:43Z)
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。