Fugu-MT 論文翻訳(概要): Collaborative City Digital Twin For Covid-19 Pandemic: A Federated Learning Solution

論文の概要: Collaborative City Digital Twin For Covid-19 Pandemic: A Federated Learning Solution

arxiv url: http://arxiv.org/abs/2011.02883v1
Date: Thu, 5 Nov 2020 15:20:31 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 11:38:44.334175
Title: Collaborative City Digital Twin For Covid-19 Pandemic: A Federated Learning Solution
Title（参考訳）: 新型コロナウイルス(covid-19)パンデミックのための共同都市デジタルツイン:連合学習ソリューション
Authors: Junjie Pang, Jianbo Li, Zhenzhen Xie, Yan Huang, Zhipeng Cai
Abstract要約: 本稿では,複数の都市DTをタイムリーに地域戦略と状況を共有する新しいパラダイムであるFLに基づく協調型都市デジタルツインを提案する。 FL中央サーバは、複数の共同作業者(シティDT)のローカル更新を管理し、異なる都市DTシステムで複数のイテレーションでトレーニングされたグローバルモデルを提供する。また、プライバシールールに違反することなく、DTの各データを統合することで、各都市のデジタルツインセルフを改善するのにも役立ちます。
参考スコア（独自算出の注目度）: 13.600738764185886
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we propose a collaborative city digital twin based on FL, a novel paradigm that allowing multiple city DT to share the local strategy and status in a timely manner. In particular, an FL central server manages the local updates of multiple collaborators (city DT), provides a global model which is trained in multiple iterations at different city DT systems, until the model gains the correlations between various response plan and infection trend. That means, a collaborative city DT paradigm based on FL techniques can obtain knowledge and patterns from multiple DTs, and eventually establish a `global view' for city crisis management. Meanwhile, it also helps to improve each city digital twin selves by consolidating other DT's respective data without violating privacy rules. To validate the proposed solution, we take COVID-19 pandemic as a case study. The experimental results on the real dataset with various response plan validate our proposed solution and demonstrate the superior performance.
Abstract（参考訳）: 本研究では,複数の都市DTがタイムリーな方法で地域戦略と状況を共有できる新しいパラダイムであるFLに基づく協調型都市デジタルツインを提案する。特に、FL中央サーバは、複数の共同作業者(シティDT)のローカル更新を管理し、異なる都市DTシステムで複数のイテレーションでトレーニングされたグローバルモデルを提供する。つまり、FL技術に基づく協調的な都市DTパラダイムは、複数のDTから知識とパターンを取得し、最終的に都市危機管理のための「グローバルな視点」を確立することができる。また、プライバシールールに違反することなく、他のdtのデータを統合することで、各都市のデジタル双生児の改善にも役立ちます。提案するソリューションを検証するために、covid-19のパンデミックをケーススタディとして取り上げます。各種応答計画を用いた実データセットにおける実験結果は,提案手法の有効性を検証し,優れた性能を示す。

関連論文リスト

UrbanDiT: A Foundation Model for Open-World Urban Spatio-Temporal Learning [25.217842149162735]
UrbanDiTTは、オープンワールドの都市時間学習の基礎モデルである。多様な時間的データソースと、さまざまな都市やシナリオにまたがるタイプを統合している。
論文参考訳（メタデータ） (2024-11-19T02:01:07Z)
Urban traffic analysis and forecasting through shared Koopman eigenmodes [5.207485728774798]
データ量の多い都市における交通流の予測は、限られた歴史的データのために困難である。データ豊かな都市に共通する周期パターンを同定することで、伝達学習を活用する。この方法は、交通パターンの一般的な固有モード(アーバンハートビート)を明らかにし、それらをデータ共有都市に転送する。
論文参考訳（メタデータ） (2024-09-07T06:24:50Z)
Urban-Focused Multi-Task Offline Reinforcement Learning with Contrastive Data Sharing [19.139077084857487]
コントラストデータ共有アプローチを用いたマルチタスクオフライン強化学習であるMODAを紹介する。我々は,新しいモデルベースマルチタスクオフラインRLアルゴリズムを開発した。実世界のマルチタスク都市環境における実験により,MODAの有効性が検証された。
論文参考訳（メタデータ） (2024-06-20T07:24:24Z)
NativE: Multi-modal Knowledge Graph Completion in the Wild [51.80447197290866]
本研究では,MMKGCを実現するための包括的フレームワークNativEを提案する。 NativEは、任意のモダリティに対して適応的な融合を可能にするリレーショナル誘導デュアルアダプティブフュージョンモジュールを提案する。提案手法を評価するために,5つのデータセットを用いたWildKGCという新しいベンチマークを構築した。
論文参考訳（メタデータ） (2024-03-28T03:04:00Z)
Solving Continual Offline Reinforcement Learning with Decision Transformer [78.59473797783673]
連続的オフライン強化学習(CORL)は、連続的およびオフライン的な強化学習を組み合わせたものである。 Actor-Critic構造とエクスペリエンス・リプレイ(ER)を取り入れた既存の手法は、分散シフト、低効率、知識共有の弱さに悩まされている。我々は,マルチヘッドDT (MH-DT) とローランク適応DT (LoRA-DT) を導入し,DTの無視問題を緩和する。
論文参考訳（メタデータ） (2024-01-16T16:28:32Z)
Smart City Digital Twin Framework for Real-Time Multi-Data Integration and Wide Public Distribution [2.864893907775703]
デジタルツイン(Digital Twins)は、実際のエンティティのデジタルレプリカであり、エンティティの状態を監視、制御するための基本的なツールになりつつある。 Digital Twinsは、エンティティの状態を監視、制御するための基本的なツールになりつつある。 Snap4Cityプラットフォームはオープンソースとしてリリースされ、GitHubとdocker composeを通じて利用できる。
論文参考訳（メタデータ） (2023-09-23T14:53:04Z)
FedDM: Iterative Distribution Matching for Communication-Efficient Federated Learning [87.08902493524556]
フェデレートラーニング(FL)は近年、学術や産業から注目を集めている。我々は,複数の局所的代理関数からグローバルなトレーニング目標を構築するためのFedDMを提案する。そこで本研究では,各クライアントにデータ集合を構築し,元のデータから得られた損失景観を局所的にマッチングする。
論文参考訳（メタデータ） (2022-07-20T04:55:18Z)
Spatio-Temporal Graph Few-Shot Learning with Cross-City Knowledge Transfer [58.6106391721944]
クロスシティの知識は、データ不足の都市から学んだモデルを活用して、データ不足の都市の学習プロセスに役立てるという、その将来性を示している。本稿では,ST-GFSLと呼ばれるS時間グラフのためのモデルに依存しない数ショット学習フレームワークを提案する。本研究では,4つの交通速度予測ベンチマークの総合的な実験を行い,ST-GFSLの有効性を最先端手法と比較した。
論文参考訳（メタデータ） (2022-05-27T12:46:52Z)
Generalized Decision Transformer for Offline Hindsight Information Matching [16.7594941269479]
本稿では、後視情報マッチング(HIM)問題を解くための一般化決定変換器(GDT)を提案する。特徴関数と反因果アグリゲータの異なる選択が, 将来の異なる統計値に適合する新しいカテゴリーDT (CDT) と双方向DT (BDT) にどのように寄与するかを示す。
論文参考訳（メタデータ） (2021-11-19T18:56:13Z)
Unsupervised Person Re-Identification with Wireless Positioning under Weak Scene Labeling [131.18390399368997]
本稿では、弱いシーンラベリングの下で、視覚データと無線位置決めトラジェクトリの両方を用いて、教師なしの人物再識別を探索することを提案する。具体的には、視覚データと無線情報の相補性をモデル化した、新しい教師なしマルチモーダルトレーニングフレームワーク(UMTF)を提案する。我々のUMTFには、MMDA(Multimodal Data Association Strategy)とMMGN(Multimodal Graph Neural Network)が含まれている。
論文参考訳（メタデータ） (2021-10-29T08:25:44Z)
FLOP: Federated Learning on Medical Datasets using Partial Networks [84.54663831520853]
新型コロナウイルスの感染拡大で医療資源が不足している。新型コロナウイルスの診断を緩和するために、さまざまなデータ駆動型ディープラーニングモデルが開発されている。患者のプライバシー上の懸念から、データそのものはまだ乏しい。我々は、textbfPartial Networks (FLOP) を用いた、シンプルで効果的な textbfFederated textbfL textbfon Medical データセットを提案する。
論文参考訳（メタデータ） (2021-02-10T01:56:58Z)

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。