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

Climate Change & Computer Audition: A Call to Action and Overview on Audio Intelligence to Help Save the Planet [98.97255654573662]
この研究は、オーディオインテリジェンスが気候に関わる課題を克服するために貢献できる領域の概要を提供する。我々は、地球、水、空気、火、エーテルの5つの要素に従って、潜在的なコンピュータオーディションの応用を分類する。
論文参考訳（メタデータ） (2022-03-10T13:32:31Z)
Bayesian Optimisation for Active Monitoring of Air Pollution [0.4640835690336652]
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)
Deciphering Environmental Air Pollution with Large Scale City Data [0.0]
交通や発電所からの排出、家庭からの排出、自然発生など、様々な要因が大気汚染の上昇の背後にある主要な原因要因または影響要因であることが知られている。本稿では,これらのエージェント間の関係を長期にわたって探索するための大規模都市情報データセットを提案する。また,多種多様なモデルと方法論を用いて汚染物質レベルを推定または予測する問題に対するベンチマークのセットを提供する。
論文参考訳（メタデータ） (2021-09-09T22:00:51Z)
Estimation of Air Pollution with Remote Sensing Data: Revealing Greenhouse Gas Emissions from Space [1.9659095632676094]
地上レベルの大気汚染の既存のモデルは、しばしば局所的に制限され、時間的に静的な土地利用データセットに依存している。本研究は,世界規模で利用でき,頻繁に更新されるリモートセンシングデータにのみ依存する環境大気汚染の予測のための深層学習手法を提案する。
論文参考訳（メタデータ） (2021-08-31T14:58:04Z)
Benchmarking high-fidelity pedestrian tracking systems for research, real-time monitoring and crowd control [55.41644538483948]
実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。この技術が進歩するにつれて、社会においても益々有用になってきている。歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
論文参考訳（メタデータ） (2021-08-26T11:45:26Z)
Bandit Quickest Changepoint Detection [61.570875627085485]
急激な変化は、しばしば局所的で観察可能なものであり、主によく整列された感覚行動によって行われる。リソースの制約のため、すべてのセンサーの継続的な監視は現実的ではない。本稿では,センサコストと検出遅延のバランスをとる手段として,帯域幅の速い変更点検出フレームワークを提案する。
論文参考訳（メタデータ） (2021-07-22T07:25:35Z)
Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文参考訳（メタデータ） (2021-07-14T21:10:47Z)
ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文参考訳（メタデータ） (2021-06-04T22:17:09Z)
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)
HVAQ: A High-Resolution Vision-Based Air Quality Dataset [3.9523800511973017]
PM2.5, PM10, 温度, 湿度データからなる高時間・空間分解能空気質データセットを提案する。我々は,センサの密度と画像によって予測精度が向上することを示すために,いくつかの視覚に基づくPM濃度予測アルゴリズムをデータセット上で評価した。
論文参考訳（メタデータ） (2021-02-18T13:42:34Z)
Use of Remote Sensing Data to Identify Air Pollution Signatures in India [0.3683202928838613]
センチネル-5P衛星の打ち上げは、より広い範囲の大気汚染物質の観測に役立った。クラスタリングシグネチャは、様々な汚染源から放出される汚染物質の種類に基づいて、州や地区を特定するために使用することができる。
論文参考訳（メタデータ） (2020-12-01T11:06:23Z)

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。