論文の概要: Uncertainty Quantification and Propagation for Airline Disruption Management

• arxiv url: http://arxiv.org/abs/2102.05147v1
• Date: Tue, 9 Feb 2021 21:57:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-11 14:37:54.024111
• Title: Uncertainty Quantification and Propagation for Airline Disruption Management
• Title（参考訳）: 航空破壊管理における不確実性定量化と伝播
• Authors: Kolawole Ogunsina, Marios Papamichalis, Daniel DeLaurentis
• Abstract要約: 航空会社のスケジューリングプロセスにおける破壊管理は、プロアクティブなプロセスとリアクティブなプロセスに分割することができる。 本稿では,航空事故対策における不確実性を特徴付ける不確実性伝達関数モデル(UTFM)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Disruption management during the airline scheduling process can be compartmentalized into proactive and reactive processes depending upon the time of schedule execution. The state of the art for decision-making in airline disruption management involves a heuristic human-centric approach that does not categorically study uncertainty in proactive and reactive processes for managing airline schedule disruptions. Hence, this paper introduces an uncertainty transfer function model (UTFM) framework that characterizes uncertainty for proactive airline disruption management before schedule execution, reactive airline disruption management during schedule execution, and proactive airline disruption management after schedule execution to enable the construction of quantitative tools that can allow an intelligent agent to rationalize complex interactions and procedures for robust airline disruption management. Specifically, we use historical scheduling and operations data from a major U.S. airline to facilitate the development and assessment of the UTFM, defined by hidden Markov models (a special class of probabilistic graphical models) that can efficiently perform pattern learning and inference on portions of large data sets.
• Abstract（参考訳）: 航空会社のスケジューリングプロセス中のディスラプション管理は、スケジュールの実行時間に応じて、積極的なプロセスとリアクティブプロセスに分けられる。 航空会社割当管理における意思決定技術の現状は、航空会社のスケジュール割当を管理するための積極的かつリアクティブなプロセスの不確実性を分類的に研究しないヒューリスティックな人間中心のアプローチである。 そこで本稿では,スケジュール実行前の積極的な航空会社破壊管理の不確実性を特徴付ける不確実性伝達関数モデル(utfm),スケジュール実行中のアクティブ航空会社破壊管理,スケジュール実行後の積極的な航空会社破壊管理,インテリジェントエージェントによる複雑なインタラクションの合理化を可能にする定量的ツールの構築,堅牢な航空会社破壊管理のための手順を提案する。 具体的には、大手航空会社の過去のスケジューリングと運用データを使用して、大規模なデータセットの一部でパターン学習や推論を効率的に行うための隠れマルコフモデル(確率的グラフィカルモデルの特殊クラス)によって定義されたutfmの開発と評価を容易にする。

関連論文リスト

• Promptable Anomaly Segmentation with SAM Through Self-Perception Tuning [63.55145330447408]
  Segment Anything Model (SAM) は、その顕著な一般化能力により、異常セグメンテーションタスクにおいて大きな進歩を遂げている。 SAMを直接適用する既存のメソッドは、しばしばドメインシフトの問題を見落としている。 本稿では, SAMの異常セグメンテーションに対する知覚能力を高めることを目的とした, 自己パーセプティノンチューニング(SPT)手法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T08:33:25Z)
• Tradeoffs When Considering Deep Reinforcement Learning for Contingency Management in Advanced Air Mobility [0.0]
  航空輸送は、Advanced Air Mobility (AAM)の導入により、世界中で急速に進化している。 運用上の安全性と効率の目標を達成するためには、自動化のレベルが増加する必要がある。 本稿では,複雑・高次元環境において有望な性能を示す深層強化学習(DRL)の利用について検討する。
  論文  参考訳（メタデータ） (2024-06-28T19:09:55Z)
• Airport take-off and landing optimization through genetic algorithms [55.2480439325792]
  本研究は, 航空機の運転における汚染問題に対処し, ゲート割り当てと滑走路スケジューリングを同時に最適化することに焦点を当てた。 本研究は,航空機の離陸・着陸時の燃料燃焼による汚染を最小化するための,革新的な遺伝的アルゴリズムに基づく手法を提案する。
  論文  参考訳（メタデータ） (2024-02-29T14:53:55Z)
• Towards a Standardized Reinforcement Learning Framework for AAM Contingency Management [0.0]
  我々はMarkov Decision Process(MDP)として並行性管理問題を開発し,それをAAM-Gymシミュレーションフレームワークに統合する。 これにより、強化学習アルゴリズムの迅速なプロトタイピングと既存システムの評価が可能になる。
  論文  参考訳（メタデータ） (2023-11-17T13:54:02Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Reinforcement Learning with a Terminator [80.34572413850186]
  我々は, TerMDP のパラメータを学習し, 推定問題の構造を活用し, 状態ワイドな信頼境界を提供する。 我々はこれらを用いて証明可能な効率のよいアルゴリズムを構築し、終端を考慮し、その後悔を抑える。
  論文  参考訳（メタデータ） (2022-05-30T18:40:28Z)
• Evaluating model-based planning and planner amortization for continuous control [79.49319308600228]
  我々は、モデル予測制御(MPC)と学習モデルとモデルフリーポリシー学習を組み合わせたハイブリッドアプローチを採っている。 モデルフリーエージェントは高いDoF制御問題においても強いベースラインであることがわかった。 モデルに基づくプランナを,パフォーマンスを損なうことなく,計画が損なわれるようなポリシーに置き換えることが可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-07T12:00:40Z)
• Enabling Integration and Interaction for Decentralized Artificial Intelligence in Airline Disruption Management [0.0]
  エアラインのディスラプション管理は伝統的に、航空機のスケジューリング、乗組員のスケジューリング、乗客のスケジューリングという3つの課題に対処しようとしている。 我々は,航空会社の障害管理において,すべての問題次元の同時統合的復旧を可能にする,無依存かつ体系的なパラダイムの議論と実証を行う。
  論文  参考訳（メタデータ） (2021-04-07T18:59:02Z)
• Artificial Neural Network Modeling for Airline Disruption Management [0.0]
  本研究では,飛行スケジュール実行時の破壊解像度の回復効果を推定する人工ニューラルネットワーク(anns)システムを開発した。 当社のモジュラーアプローチにより、ADM中のフライトスケジュールの実行における疲労の現在の業界標準が満たされることを保証します。
  論文  参考訳（メタデータ） (2021-04-05T17:37:24Z)
• Exploratory Data Analysis for Airline Disruption Management [0.0]
  本稿では,米国の主要航空会社の歴史的スケジュールと運用データについて分析する。 その結果,1年間にわたる定期便の定期運行の大半が,飛行遅延による中断によるものであることが明らかとなった。
  論文  参考訳（メタデータ） (2021-02-07T04:00:10Z)
• T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
  空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。 従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。 本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T21:14:15Z)

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。