論文の概要: Machine Learning for Air Transport Planning and Management
- arxiv url: http://arxiv.org/abs/2112.01301v1
- Date: Tue, 30 Nov 2021 09:22:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-03 17:33:32.445081
- Title: Machine Learning for Air Transport Planning and Management
- Title(参考訳): 航空輸送計画と管理のための機械学習
- Authors: Graham Wild, Glenn Baxter, Pannarat Srisaeng, and Steven Richardson
- Abstract要約: 航空輸送需要のモデル化問題に適用した機械学習アルゴリズムの性能を比較した。
ANNとANFISは平均2乗誤差が最も低い点で最高の性能を示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work we compare the performance of several machine learning
algorithms applied to the problem of modelling air transport demand.
Forecasting in the air transport industry is an essential part of planning and
managing because of the economic and financial aspects of the industry. The
traditional approach used in airline operations as specified by the
International Civil Aviation Organization is the use of a multiple linear
regression (MLR) model, utilizing cost variables and economic factors. Here,
the performance of models utilizing an artificial neural network (ANN), an
adaptive neuro-fuzzy inference system (ANFIS), a genetic algorithm, a support
vector machine, and a regression tree are compared to MLR. The ANN and ANFIS
had the best performance in terms of the lowest mean squared error.
- Abstract(参考訳): 本研究では,空気輸送需要のモデル化問題に適用した機械学習アルゴリズムの性能を比較した。
航空輸送産業における予測は、産業の経済的・財政的な側面から、計画と管理に欠かせない部分である。
国際民間航空機関(英語版)が指定した航空業務において伝統的に用いられているアプローチは、コスト変数と経済要因を利用する多重線形回帰(MLR)モデルである。
ここでは、人工ニューラルネットワーク(ANN)、適応型ニューロファジィ推論システム(ANFIS)、遺伝的アルゴリズム、支持ベクトルマシン、回帰木を用いたモデルの性能をMLRと比較する。
ANNとANFISは平均2乗誤差が最も低い点で最高の性能を示した。
関連論文リスト
- Surrogate Neural Networks Local Stability for Aircraft Predictive
Maintenance [0.8418110271995045]
Surrogate Neural Networks (NN) は現在、計算に要求されるシミュレーションの代用として日常的に機能している。
1つのNN検証パイプラインにおける経験的手法と形式的手法の組み合わせについて検討する。
航空機の予測保守の工業的利用事例でその効率を実演する。
論文 参考訳(メタデータ) (2024-01-11T21:04:28Z) - End-to-End Reinforcement Learning of Koopman Models for Economic
Nonlinear Model Predictive Control [50.0791489606211]
非線形モデル予測制御((e)NMPC)は、すべての状態空間領域において十分正確なシステムモデルを必要とする。
メカニスティックモデルのためのデータ駆動サロゲートモデルは、(e)NMPCの計算負担を軽減するために使用できる。
In this method for end-to-end reinforcement learning of dynamic surrogate model for optimal performance in (e)NMPC applications。
論文 参考訳(メタデータ) (2023-08-03T10:21:53Z) - Towards Long-Term predictions of Turbulence using Neural Operators [68.8204255655161]
機械学習を用いて乱流シミュレーションのための低次/サロゲートモデルを開発することを目的としている。
異なるモデル構造が解析され、U-NET構造は標準FNOよりも精度と安定性が良い。
論文 参考訳(メタデータ) (2023-07-25T14:09:53Z) - Fault Prognosis of Turbofan Engines: Eventual Failure Prediction and
Remaining Useful Life Estimation [1.0742675209112622]
ターボファンエンジンユニットの残余寿命を予測するための深層学習手法は、ラベル付き故障モード情報を利用していない。
新しい予後学的なアプローチは、現在の状態、最終的に失敗したコンポーネント、そして残りの有用な生活を同時に予測するために、カスタマイズされた損失関数で定式化される。
最も高性能なアルゴリズムであるANN-FluxはAUROCとAUPRのスコアを各分類で0.95を超えている。
論文 参考訳(メタデータ) (2023-03-23T01:19:41Z) - Online Evolutionary Neural Architecture Search for Multivariate
Non-Stationary Time Series Forecasting [72.89994745876086]
本研究は、オンラインニューロ進化に基づくニューラルアーキテクチャサーチ(ONE-NAS)アルゴリズムを提案する。
ONE-NASは、オンライン予測タスクのためにリカレントニューラルネットワーク(RNN)を自動設計し、動的にトレーニングする新しいニューラルネットワーク探索手法である。
その結果、ONE-NASは従来の統計時系列予測法よりも優れていた。
論文 参考訳(メタデータ) (2023-02-20T22:25:47Z) - Fair Classification via Transformer Neural Networks: Case Study of an
Educational Domain [0.0913755431537592]
本稿では,Law Schoolのニューラルネットワークを用いた変圧器ネットワークにおけるフェアネス制約の予備的検討を行う。
フェアネス指標を用いて評価を行い、フェアネスと精度のトレードオフを確認しました。
論文 参考訳(メタデータ) (2022-06-03T06:34:16Z) - Data-Efficient Modeling for Precise Power Consumption Estimation of
Quadrotor Operations Using Ensemble Learning [3.722516004544342]
エレクトロニック・テイクオフ・アンド・ランディング (EVTOL) は、新興都市空力において主要な航空機であると考えられている。
本研究では,eVTOL航空機の消費電力モデル化のための枠組みを構築した。
そこで我々は,3種類の四重項の飛行記録を用いたデータ駆動モデルを構築するために,アンサンブル学習法,すなわち積み重ね法を用いた。
論文 参考訳(メタデータ) (2022-05-23T02:16:43Z) - 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) - Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。
エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。
UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
論文 参考訳(メタデータ) (2021-03-03T20:54:19Z) - Edge Federated Learning Via Unit-Modulus Over-The-Air Computation
(Extended Version) [64.76619508293966]
本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。
ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。
車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
論文 参考訳(メタデータ) (2021-01-28T15:10:22Z) - Information Theoretic Model Predictive Q-Learning [64.74041985237105]
本稿では,情報理論的MPCとエントロピー正規化RLとの新たな理論的関連性を示す。
バイアスモデルを利用したQ-ラーニングアルゴリズムを開発した。
論文 参考訳(メタデータ) (2019-12-31T00:29:22Z)
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。