論文の概要: Logic Rules Meet Deep Learning: A Novel Approach for Ship Type Classification

• arxiv url: http://arxiv.org/abs/2111.01042v1
• Date: Mon, 1 Nov 2021 15:47:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-02 15:31:05.471003
• Title: Logic Rules Meet Deep Learning: A Novel Approach for Ship Type Classification
• Title（参考訳）: 深層学習に適合する論理規則: 船型分類の新しいアプローチ
• Authors: Manolis Pitsikalis, Thanh-Toan Do, Alexei Lisitsa and Shan Luo
• Abstract要約: 本稿では, 自動識別システムから送信された船舶データと, 船舶画像とを組み合わせた, 船舶型分類モデルを提案する。 その結果,次のモデルと比較して予測スコアを最大15.4%向上させることができることがわかった。
• 参考スコア（独自算出の注目度）: 36.221664698536095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The shipping industry is an important component of the global trade and economy, however in order to ensure law compliance and safety it needs to be monitored. In this paper, we present a novel Ship Type classification model that combines vessel transmitted data from the Automatic Identification System, with vessel imagery. The main components of our approach are the Faster R-CNN Deep Neural Network and a Neuro-Fuzzy system with IF-THEN rules. We evaluate our model using real world data and showcase the advantages of this combination while also compare it with other methods. Results show that our model can increase prediction scores by up to 15.4\% when compared with the next best model we considered, while also maintaining a level of explainability as opposed to common black box approaches.
• Abstract（参考訳）: 海運産業は、国際貿易と経済の重要な要素であるが、法律の遵守と安全性を確保するためには、監視が必要である。 本稿では, 自動識別システムから送信された船舶データと, 船舶画像とを組み合わせた, 船舶型分類モデルを提案する。 我々のアプローチの主な構成要素は、より高速なR-CNNディープニューラルネットワークとIF-THENルールを備えたニューロファジィシステムである。 実世界のデータを用いてモデルを評価し、この組み合わせの利点を示しながら、他の手法と比較する。 その結果,本モデルでは,ブラックボックスのアプローチとは対照的に説明可能性のレベルを維持しつつ,検討した次のベストモデルと比較して,予測スコアを最大15.4\%向上させることができることがわかった。

関連論文リスト

• Outlier detection in maritime environments using AIS data and deep recurrent architectures [5.399126243770847]
  本稿では,海上監視のための深部再帰モデルに基づく手法を,公開可能な自動識別システム(AIS)データ上で提案する。 このセットアップはディープ・リカレント・ニューラルネットワーク(RNN)ベースのモデルを使用して、観測された船の動きパターンを符号化し、再構築する。 提案手法は,観測された動作パターンと再構成された動作パターンの計算誤差に対するしきい値決定機構に基づく。
  論文  参考訳（メタデータ） (2024-06-14T12:15:15Z)
• Enabling Smart Retrofitting and Performance Anomaly Detection for a Sensorized Vessel: A Maritime Industry Experience [0.21485350418225244]
  本研究では,解釈可能な機械学習モデルを用いたディープラーニング駆動型異常検出システムを提案する。 我々は,LSTM(Long Short-Term Memory)オートエンコーダを用いた,ループ内非教師なしのプロセスを活用する。 TUCANAから取得した実データを用いて実験によりシステム評価を行い,その過程で得られたLSTMモデルを用いて80%以上の精度と90%のリコールを達成した。
  論文  参考訳（メタデータ） (2023-12-30T01:31:54Z)
• Understanding the (Extra-)Ordinary: Validating Deep Model Decisions with Prototypical Concept-based Explanations [13.60538902487872]
  本稿では, 実例的(地域的)かつクラス的(グローバル的)な意思決定戦略をプロトタイプを通じて伝達する, ポストホックなコンセプトベースXAIフレームワークを提案する。 我々は,3つのデータセットにまたがるアウト・オブ・ディストリビューション・サンプル,突発的なモデル行動,データ品質問題同定におけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-28T10:53:26Z)
• Balancing Efficiency vs. Effectiveness and Providing Missing Label Robustness in Multi-Label Stream Classification [3.97048491084787]
  ニューラルネットワークを用いた高次元多ラベル分類手法を提案する。 本モデルは,非定常環境に適した選択的なドリフト適応機構を用いる。 我々は,単純で効果的な計算手法を用いて,ラベルを欠いた環境に適応する。
  論文  参考訳（メタデータ） (2023-10-01T13:23:37Z)
• Bayesian Weapon System Reliability Modeling with Cox-Weibull Neural Network [1.0152838128195467]
  ニューラルネットワークを用いて,武器システムの特徴をパラメータ化したCox-Weibull信頼性モデルに統合することを提案する。 並列に、Weibullパラメータをニューラルネットワークでパラメータ化することで、代替ベイズモデルを開発する。
  論文  参考訳（メタデータ） (2023-01-04T23:28:58Z)
• Batch-Ensemble Stochastic Neural Networks for Out-of-Distribution Detection [55.028065567756066]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイすることの重要性から、マシンラーニングコミュニティから注目を集めている。 本稿では,特徴量の分布をモデル化した不確実な定量化手法を提案する。 バッチアンサンブルニューラルネットワーク(BE-SNN)の構築と機能崩壊問題の克服を目的として,効率的なアンサンブル機構,すなわちバッチアンサンブルを組み込んだ。 We show that BE-SNNs yield superior performance on the Two-Moons dataset, the FashionMNIST vs MNIST dataset, FashionM。
  論文  参考訳（メタデータ） (2022-06-26T16:00:22Z)
• Knowledge Enhanced Neural Networks for relational domains [83.9217787335878]
  我々は、ニューラルネットワークに事前論理的知識を注入するニューラルネットワークアーキテクチャであるKENNに焦点を当てる。 本稿では,関係データに対するKENNの拡張を提案する。
  論文  参考訳（メタデータ） (2022-05-31T13:00:34Z)
• Imposing Consistency for Optical Flow Estimation [73.53204596544472]
  プロキシタスクによる一貫性の導入は、データ駆動学習を強化することが示されている。 本稿では,光フロー推定のための新しい,効果的な整合性戦略を提案する。
  論文  参考訳（メタデータ） (2022-04-14T22:58:30Z)
• Neural Networks Enhancement with Logical Knowledge [83.9217787335878]
  関係データに対するKENNの拡張を提案する。 その結果、KENNは、存在関係データにおいても、基礎となるニューラルネットワークの性能を高めることができることがわかった。
  論文  参考訳（メタデータ） (2020-09-13T21:12:20Z)
• Model Fusion via Optimal Transport [64.13185244219353]
  ニューラルネットワークのための階層モデル融合アルゴリズムを提案する。 これは、不均一な非i.d.データに基づいてトレーニングされたニューラルネットワーク間での"ワンショット"な知識伝達に成功していることを示す。
  論文  参考訳（メタデータ） (2019-10-12T22:07:15Z)

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。