Fugu-MT 論文翻訳(概要): Optimising Placement of Pollution Sensors in Windy Environments

論文の概要: Optimising Placement of Pollution Sensors in Windy Environments

arxiv url: http://arxiv.org/abs/2012.10770v1
Date: Sat, 19 Dec 2020 20:16:49 GMT
ステータス: 処理完了
システム内更新日: 2021-05-01 12:57:40.413293
Title: Optimising Placement of Pollution Sensors in Windy Environments
Title（参考訳）: 風環境における汚染センサの最適配置
Authors: Sigrid Passano Hellan, Christopher G. Lucas and Nigel H. Goddard
Abstract要約: 大気汚染は世界の死亡率の最も重要な原因の1つです。奇妙な最適化はセンサーの位置の選択に有用であることが証明されているが、大気汚染の統計的構造を無視するカーネル機能に依存している。本研究では,2つの新しい風化カーネルについて説明し,最大公害の能動的に学習する作業に対する利点を検討する。
参考スコア（独自算出の注目度）: 0.696125353550498
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Air pollution is one of the most important causes of mortality in the world. Monitoring air pollution is useful to learn more about the link between health and pollutants, and to identify areas for intervention. Such monitoring is expensive, so it is important to place sensors as efficiently as possible. Bayesian optimisation has proven useful in choosing sensor locations, but typically relies on kernel functions that neglect the statistical structure of air pollution, such as the tendency of pollution to propagate in the prevailing wind direction. We describe two new wind-informed kernels and investigate their advantage for the task of actively learning locations of maximum pollution using Bayesian optimisation.
Abstract（参考訳）: 大気汚染は世界で最も重要な死亡原因の1つである。大気汚染のモニタリングは、健康と汚染物質との関係についてより深く学び、介入すべき領域を特定するのに有用である。このようなモニタリングは高価であるため、センサーをできるだけ効率的に設置することが重要である。ベイズ最適化はセンサの位置を選択するのに有用であることが証明されているが、一般的には大気汚染の統計構造を無視したカーネル機能に依存している。本稿では,2つの新しい風化カーネルについて述べるとともに,ベイズ最適化による最大汚染箇所の学習を積極的に行うことの利点について考察する。

関連論文リスト

Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
論文参考訳（メタデータ） (2024-02-14T13:20:24Z)
Gaussian Processes for Monitoring Air-Quality in Kampala [3.173497841606415]
本研究では,センサが存在しない場所での現在の大気汚染を予測し,センサ位置で将来の大気汚染を予測するためのガウス過程の活用について検討する。私たちは、AirQoのセンサーネットワークのデータを使って、ウガンダのカンパラ市に焦点を当てています。
論文参考訳（メタデータ） (2023-11-28T09:25:23Z)
Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
メタンは最も強力な温室効果ガスの1つである。現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
論文参考訳（メタデータ） (2023-08-21T19:36:50Z)
Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文参考訳（メタデータ） (2023-08-14T16:48:57Z)
Novel Regression and Least Square Support Vector Machine Learning Technique for Air Pollution Forecasting [0.0]
大気汚染ベンチマークの不適切な検出は、人間や生物にとって深刻な合併症をもたらす。 DR-LSSVに基づく大気汚染予測手法を提案する。その結果, DR-LSSV技術は大気汚染予測性能を効果的に向上させることができることがわかった。
論文参考訳（メタデータ） (2023-06-11T06:56:00Z)
Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文参考訳（メタデータ） (2022-11-18T17:25:14Z)
Air Pollution Hotspot Detection and Source Feature Analysis using Cross-domain Urban Data [2.458537954999774]
汚染源に隣接する地域はしばしば環境汚染濃度が高く、これらは一般に大気汚染ホットスポットと呼ばれる。本稿では,局所的なスパイク検出とサンプル重み付けクラスタリングを含む,モバイルセンシングデータからホットスポットを検出する2段階のアプローチを提案する。ソフトバリデーションとして,モバイルセンシングデータを使用しない都市を対象としたホットスポット推定モデルを構築した。
論文参考訳（メタデータ） (2022-11-15T18:44:03Z)
Multi-task Learning for Source Attribution and Field Reconstruction for Methane Monitoring [7.045900712659982]
空間的にスパースなセンサ観測からメタンなどの温室効果ガスのソース情報を推定することは、気候変動を緩和する重要な要素である。集中領域の高忠実度再構成を実現するマルチタスク学習フレームワークを開発した。提案手法により, スパースセンサによるメタン濃度の高精度な再現が可能であることが実証された。
論文参考訳（メタデータ） (2022-11-02T04:21:01Z)
Bayesian Optimisation for Active Monitoring of Air Pollution [5.199765487172328]
大気汚染は世界の死亡率の主要な原因の1つであり、毎年数百万人が死亡している。新しい低コストセンサーは、より多く、より多様な場所に展開することができ、効率的な自動配置の問題を動機付けている。これまでの研究では、ベイズ最適化は適切な方法であるが、衛星データのみを考慮し、全高度でデータを収集したことが示唆された。我々は, 階層モデルを用いてこれらの結果を改善し, ロンドンにおける都市汚染データに基づくモデルの評価を行い, ベイジアン最適化が問題に適用可能であることを示す。
論文参考訳（メタデータ） (2022-02-15T17:31:31Z)
Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文参考訳（メタデータ） (2021-04-29T10:06:29Z)
STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。 STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
論文参考訳（メタデータ） (2020-11-10T02:28:47Z)

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。