論文の概要: Big Data Generated by Connected and Automated Vehicles for Safety Monitoring, Assessment and Improvement, Final Report (Year 3)

• arxiv url: http://arxiv.org/abs/2101.06106v1
• Date: Sat, 9 Jan 2021 20:00:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-17 06:31:47.587054
• Title: Big Data Generated by Connected and Automated Vehicles for Safety Monitoring, Assessment and Improvement, Final Report (Year 3)
• Title（参考訳）: 安全監視・評価・改善のための連結・自動化車両によるビッグデータ生成(第3報)
• Authors: Asad J. Khattak, Iman Mahdinia, Sevin Mohammadi, Amin Mohammadnazar, Behram Wali
• Abstract要約: 本報告は、コネクテッド・アンド・オートマチック・カー(CAV)の安全性に焦点をあてる。 目標は、安全監視と改善のために、ビッグデータに関する研究を体系的に合成することである。
• 参考スコア（独自算出の注目度）: 0.654475763573891
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: This report focuses on safety aspects of connected and automated vehicles (CAVs). The fundamental question to be answered is how can CAVs improve road users' safety? Using advanced data mining and thematic text analytics tools, the goal is to systematically synthesize studies related to Big Data for safety monitoring and improvement. Within this domain, the report systematically compares Big Data initiatives related to transportation initiatives nationally and internationally and provides insights regarding the evolution of Big Data science applications related to CAVs and new challenges. The objectives addressed are: 1-Creating a database of Big Data efforts by acquiring reports, white papers, and journal publications; 2-Applying text analytics tools to extract key concepts, and spot patterns and trends in Big Data initiatives; 3-Understanding the evolution of CAV Big Data in the context of safety by quantifying granular taxonomies and modeling entity relations among contents in CAV Big Data research initiatives, and 4-Developing a foundation for exploring new approaches to tracking and analyzing CAV Big Data and related innovations. The study synthesizes and derives high-quality information from innovative research activities undertaken by various research entities through Big Data initiatives. The results can provide a conceptual foundation for developing new approaches for guiding and tracking the safety implications of Big Data and related innovations.
• Abstract（参考訳）: 本報告では、コネクテッド・アンド・オートマチック・カー(CAV)の安全性について述べる。 根本的な疑問は、CAVが道路利用者の安全をどのように改善できるかである。 高度なデータマイニングとセマンティックテキスト分析ツールを使用することで、ビッグデータに関する研究を体系的に合成し、安全性の監視と改善を目指している。 この領域内で、報告書は輸送イニシアティブに関連するビッグデータイニシアティブを全国的および国際的に比較し、cavに関連するビッグデータサイエンスアプリケーションの進化と新たな課題に関する洞察を提供する。 The objectives addressed are: 1-Creating a database of Big Data efforts by acquiring reports, white papers, and journal publications; 2-Applying text analytics tools to extract key concepts, and spot patterns and trends in Big Data initiatives; 3-Understanding the evolution of CAV Big Data in the context of safety by quantifying granular taxonomies and modeling entity relations among contents in CAV Big Data research initiatives, and 4-Developing a foundation for exploring new approaches to tracking and analyzing CAV Big Data and related innovations. この研究は、ビッグデータイニシアチブを通じて、様々な研究機関による革新的な研究活動から高品質な情報を合成し、導き出す。 その結果は、ビッグデータとその関連イノベーションの安全性への影響をガイドし、追跡するための新しいアプローチを開発するための概念的基盤を提供することができる。

関連論文リスト

• Data Advisor: Dynamic Data Curation for Safety Alignment of Large Language Models [79.65071553905021]
  所望のデータセットの特徴を考慮したデータ生成手法であるデータアドバイザを提案する。 Data Advisorは生成されたデータの状態を監視し、現在のデータセットの弱点を特定し、データ生成の次のイテレーションをアドバイスする。
  論文  参考訳（メタデータ） (2024-10-07T17:59:58Z)
• Blockchain-Enabled Accountability in Data Supply Chain: A Data Bill of Materials Approach [16.31469678670097]
  データ請求書(Data Bill of Materials, DataBOM)は、特定のメタデータを格納することで、異なるデータセットと利害関係者間の依存関係関係をキャプチャする。 ブロックチェーンベースのDataBOMサービスを提供するためのプラットフォームアーキテクチャを実証し、利害関係者のためのインタラクションプロトコルを提示し、DataBOMメタデータの最小要件について議論する。
  論文  参考訳（メタデータ） (2024-08-16T05:34:50Z)
• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• Collaborative Perception Datasets in Autonomous Driving: A Survey [0.0]
  この論文は様々なデータセットを体系的に分析し、多様性、センサーの設定、品質、公開可用性、下流タスクへの適用性といった側面に基づいて比較する。 データセット開発におけるプライバシとセキュリティの懸念に対処することの重要性は、データ共有とデータセット生成に関して強調されている。
  論文  参考訳（メタデータ） (2024-04-22T09:36:17Z)
• On Responsible Machine Learning Datasets with Fairness, Privacy, and Regulatory Norms [56.119374302685934]
  AI技術の信頼性に関する深刻な懸念があった。 機械学習とディープラーニングのアルゴリズムは、開発に使用されるデータに大きく依存する。 本稿では,責任あるルーブリックを用いてデータセットを評価するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-24T14:01:53Z)
• Data-centric AI: Perspectives and Challenges [51.70828802140165]
  データ中心AI(DCAI)は、モデル進歩からデータ品質と信頼性の確保への根本的なシフトを提唱している。 データ開発、推論データ開発、データメンテナンスの3つの一般的なミッションをまとめます。
  論文  参考訳（メタデータ） (2023-01-12T05:28:59Z)
• CEntRE: A paragraph-level Chinese dataset for Relation Extraction among Enterprises [11.596083874633]
  企業関係抽出は、エンタープライズエンティティのペアを検出し、非構造化または半構造化されたテキストデータからそれらの間のビジネス関係を識別することを目的としている。 CEntREは、人間の注意深いアノテーションとインテリジェントなデータ処理を備えた、公開可能なビジネスニュースデータから構築された新しいデータセットである。
  論文  参考訳（メタデータ） (2022-10-19T14:22:10Z)
• Big Data and Analytics Implementation in Tertiary Institutions to Predict Students Performance in Nigeria [0.0]
  Big Dataという言葉は、従来のデータ処理技術では扱えない大量のデータを指すために作られた。 本稿では,教育機関に関係のあるビッグデータの特徴について考察する。 学習機関におけるビッグデータと分析の導入に影響を与える要因について検討する。
  論文  参考訳（メタデータ） (2022-07-29T13:52:24Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Data Mining with Big Data in Intrusion Detection Systems: A Systematic Literature Review [68.15472610671748]
  クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。 データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。 ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
  論文  参考訳（メタデータ） (2020-05-23T20:57:12Z)
• Towards an Integrated Platform for Big Data Analysis [4.5257812998381315]
  本稿では,これらすべての側面を統合した,ビッグデータ解析のための統合型プレート形式のビジョンについて述べる。 このアプローチの主な利点は、プラットフォーム全体の拡張スケーラビリティ、アルゴリズムのパラメータ化の改善、エンドツーエンドのデータ分析プロセスにおけるユーザビリティの改善である。
  論文  参考訳（メタデータ） (2020-04-27T03:15:23Z)

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。

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。