論文の概要: In the Danger Zone: U-Net Driven Quantile Regression can Predict High-risk SARS-CoV-2 Regions via Pollutant Particulate Matter and Satellite Imagery

• arxiv url: http://arxiv.org/abs/2105.02406v1
• Date: Thu, 6 May 2021 02:50:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-08 00:28:35.791523
• Title: In the Danger Zone: U-Net Driven Quantile Regression can Predict High-risk SARS-CoV-2 Regions via Pollutant Particulate Matter and Satellite Imagery
• Title（参考訳）: 危険地帯:Uネットワーク駆動型量子回帰は、汚染物質と衛星画像を通して高リスクSARS-CoV-2領域を予測できる
• Authors: Jacquelyn Shelton, Przemyslaw Polewski and Wei Yao
• Abstract要約: 本研究では,Uネット駆動型量子回帰モデルを提案し,容易に取得可能な衛星画像に基づいてPM_2.5$大気汚染を予測した。 このような予測は、新型コロナウイルスの感染と致死性を減らすための公共政策戦略を極めて助言する可能性がある。
• 参考スコア（独自算出の注目度）: 0.5929956715430166
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Since the outbreak of COVID-19 policy makers have been relying upon non-pharmacological interventions to control the outbreak. With air pollution as a potential transmission vector there is need to include it in intervention strategies. We propose a U-net driven quantile regression model to predict $PM_{2.5}$ air pollution based on easily obtainable satellite imagery. We demonstrate that our approach can reconstruct $PM_{2.5}$ concentrations on ground-truth data and predict reasonable $PM_{2.5}$ values with their spatial distribution, even for locations where pollution data is unavailable. Such predictions of $PM_{2.5}$ characteristics could crucially advise public policy strategies geared to reduce the transmission of and lethality of COVID-19.
• Abstract（参考訳）: 新型コロナウイルスの感染拡大以来、政策立案者は感染抑制のため薬学以外の介入に頼ってきた。 大気汚染が潜在的な伝達ベクトルとなると、介入戦略にそれを含める必要がある。 本稿では, 容易に取得可能な衛星画像に基づいて, PM_{2.5}$大気汚染を予測するためのU-net駆動量子レグレッションモデルを提案する。 提案手法は, 汚染データが利用できない場所であっても, 地中真実データに対する$PM_{2.5}$濃度を再構築し, 空間分布で妥当な$PM_{2.5}$値を予測できることを実証する。 こうしたPM_{2.5}$特性の予測は、新型コロナウイルスの感染と致死性を減らすための公共政策戦略を決定的に助言する可能性がある。

関連論文リスト

• Back to the Future: GNN-based NO$_2$ Forecasting via Future Covariates [49.93577170464313]
  都市全域にわたる地上監視ネットワークにおける大気質観測について検討する。 我々は過去と将来の共変分を現在の観測に埋め込む条件付きブロックを提案する。 将来の気象情報に対する条件付けは,過去の交通状況を考えるよりも影響が大きいことが判明した。
  論文  参考訳（メタデータ） (2024-04-08T09:13:16Z)
• A Data-Driven Supervised Machine Learning Approach to Estimating Global Ambient Air Pollution Concentrations With Associated Prediction Intervals [0.0]
  我々は、時間的および空間的計測の欠如を示唆するスケーラブルでデータ駆動型の教師あり機械学習フレームワークを開発した。 このモデルは, 時間的および空間的計測の欠如を示唆し, NO$, O$_3$, PM$_10$, PM$_2.5$, SO$などの汚染物質の包括的データセットを生成するように設計されている。 モデルの性能について検討し,今後のモニタリングステーションの戦略的配置に関する洞察と勧告を提供する。
  論文  参考訳（メタデータ） (2024-02-15T11:09:22Z)
• Off-Policy Evaluation for Large Action Spaces via Policy Convolution [60.6953713877886]
  ポリシ・コンボリューション(Policy Convolution)のファミリーは、アクション内の潜在構造を使用して、ログとターゲットポリシを戦略的に畳み込みます。 合成およびベンチマークデータセットの実験では、PCを使用する場合の平均二乗誤差(MSE)が顕著に改善されている。
  論文  参考訳（メタデータ） (2023-10-24T01:00:01Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• 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)
• A Novel Prediction Approach for Exploring PM2.5 Spatiotemporal Propagation Based on Convolutional Recursive Neural Networks [7.131106953836335]
  PM2.5の伝播予測システムは、地域社会への健康影響を減らす早期警戒システムとして、より詳細で正確な情報を提供する。 本研究は,台湾の大気質モニタリングシステムのデータセットを用いて行った。 一般に、測定ノード間の結合を空間的にも時間的にも考慮し、正確な予測結果を提供することができる。
  論文  参考訳（メタデータ） (2021-01-15T17:00:04Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)
• A Variational Auto-Encoder for Reservoir Monitoring [0.0]
  二酸化炭素キャプチャー・アンド・ストレージ(CCS)は、人為的CO$の排出を緩和する重要な戦略である。 本稿では,AZMI(Above Zone Monitoring Interval)井の圧力データに基づいて,圧力場を再構築し,記憶層のフラックスを分類する深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-09-23T12:33:09Z)
• A Deep Q-learning/genetic Algorithms Based Novel Methodology For Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
  我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。 報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。 どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
  論文  参考訳（メタデータ） (2020-05-15T17:17:45Z)
• Analytical Equations based Prediction Approach for PM2.5 using Artificial Neural Network [0.0]
  粒子状物質(PM2.5)は大気質指数(AQI)を測定する重要な粒子状汚染物質の一つである。 PM2.5をモニターするために空気質監視局が使用する従来の機器は、コストが高く、かさばる、時間を消費し、電力を消費する。 本稿では,ニューラルネットワーク(ANN)を用いたPM2.5の解析式に基づく予測手法を提案する。
  論文  参考訳（メタデータ） (2020-02-26T11:39:18Z)

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。