Fugu-MT 論文翻訳(概要): Time Series Prediction about Air Quality using LSTM-Based Models: A Systematic Mapping

論文の概要: Time Series Prediction about Air Quality using LSTM-Based Models: A Systematic Mapping

arxiv url: http://arxiv.org/abs/2111.11848v1
Date: Mon, 22 Nov 2021 12:49:37 GMT
ステータス: 処理完了
システム内更新日: 2021-11-25 10:01:07.670351
Title: Time Series Prediction about Air Quality using LSTM-Based Models: A Systematic Mapping
Title（参考訳）: LSTMモデルによる大気質の時系列予測:システムマッピング
Authors: Lucas L. S. Sachetti, Vinicius F. S. Mota
Abstract要約: 本研究は,Long短期記憶ネットワークを用いて,大気質に関する時系列データの予測を行う。科学文献で利用可能な理由、特徴、方法を理解し、研究領域のギャップと、その後の研究で活用できる潜在的なアプローチを特定する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This systematic mapping study investigates the use of Long short-term memory networks to predict time series data about air quality, trying to understand the reasons, characteristics and methods available in the scientific literature, identify gaps in the researched area and potential approaches that can be exploited on later studies.
Abstract（参考訳）: 本研究は, 長期記憶ネットワークを用いて, 大気質に関する時系列データを予測し, 科学的文献で利用可能な理由, 特徴, 方法の解明, 研究領域におけるギャップの特定, 今後の研究に活用可能な潜在的アプローチについて検討する。

関連論文リスト

A Systematic Literature Review of Spatio-Temporal Graph Neural Network Models for Time Series Forecasting and Classification [7.58512888676767]
本稿では、時系列分類と予測のためのアプローチとアプリケーション領域について概観する。データベース検索を行い,150以上の学術論文が現場における現状の詳細な調査のために選択された。
論文参考訳（メタデータ） (2024-10-29T08:05:10Z)
A Survey of Generative Techniques for Spatial-Temporal Data Mining [93.55501980723974]
本稿では,空間時間データマイニングにおける生成技術の統合に焦点を当てる。本稿では,生成技術に基づく時空間法を包括的に分析する。また、空間時間データマイニングパイプライン用に特別に設計された標準化されたフレームワークも導入されている。
論文参考訳（メタデータ） (2024-05-15T12:07:43Z)
Physically Explainable Deep Learning for Convective Initiation Nowcasting Using GOES-16 Satellite Observations [0.1874930567916036]
Convection Initiation (CI) nowcasting は、数値天気予報モデルと既存の nowcasting アルゴリズムの両方において難しい問題である。本研究では,多チャンネル赤外線GOES-R衛星観測に基づくCI予測のためのオブジェクトベース確率的深層学習モデルを開発した。
論文参考訳（メタデータ） (2023-10-24T17:18:44Z)
A Survey on Deep Learning based Time Series Analysis with Frequency Transformation [74.3919960186696]
周波数変換(FT)は、時系列解析における最先端の精度と効率を高めるために、ディープラーニングモデルにますます取り入れられている。この新興分野における注目の高まりと研究の高まりにもかかわらず、現在、FTを用いたディープラーニングベースの時系列モデルの体系的レビューと詳細な分析が欠如している。本稿では,FTを用いた深層学習に基づく時系列解析における最近の研究成果を体系的に研究し,要約する総合的なレビューを紹介する。
論文参考訳（メタデータ） (2023-02-04T14:33:07Z)
Deep Learning for Time Series Anomaly Detection: A Survey [53.83593870825628]
時系列異常検出は、製造業や医療を含む幅広い研究分野や応用に応用されている。時系列の大規模かつ複雑なパターンにより、研究者は異常パターンを検出するための特別な深層学習モデルを開発するようになった。本調査は,ディープラーニングを用いた構造化および総合的時系列異常検出モデルの提供に焦点を当てる。
論文参考訳（メタデータ） (2022-11-09T22:40:22Z)
Investigating Temporal Convolutional Neural Networks for Satellite Image Time Series Classification: A survey [0.0]
時間的CNNは、SITS分類タスクに採用され、結果を奨励している。本稿では,本手法をSITS分類の多くの現代的手法と比較し,近年の文献における既存の知見の検証を試みる。 2つのベンチマークSITSデータセットで実験を行い、Temporal CNNが比較ベンチマークアルゴリズムよりも優れた性能を示すことを示した。
論文参考訳（メタデータ） (2022-04-13T14:08:14Z)
Graph-Survival: A Survival Analysis Framework for Machine Learning on Temporal Networks [14.430635608400982]
連続時間時間ネットワークのための生成モデルを設計するためのフレームワークを提案する。本稿では,本フレームワーク内のモデルに適合する手法と,所望の特性を持つ新しい時間ネットワークをシミュレートするアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-03-14T16:40:57Z)
Time Series Forecasting Using Fuzzy Cognitive Maps: A Survey [0.0]
ファジィ認知マップ(FCM)は、複雑なシステムの力学をモデル化し解析するためのツールとして、顕著な結果を示している。 FCMはファジィ論理、ニューラルネットワーク、エキスパートシステムの各側面の混合であり、複雑なシステムの動的挙動をシミュレーションし研究するための強力なツールとして機能する。
論文参考訳（メタデータ） (2022-01-07T02:11:53Z)
Cloud Failure Prediction with Hierarchical Temporary Memory: An Empirical Assessment [64.73243241568555]
Hierarchical Temporary Memory (HTM) は、新皮質の特徴にインスパイアされた教師なし学習アルゴリズムである。本稿では,障害予測の文脈でHTMを評価する最初の体系的研究について述べる。
論文参考訳（メタデータ） (2021-10-06T07:09:45Z)
Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文参考訳（メタデータ） (2020-07-23T13:32:47Z)
A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
論文参考訳（メタデータ） (2020-01-21T13:12:58Z)

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。