Fugu-MT 論文翻訳(概要): Developing and Validating Semi-Markov Occupancy Generative Models: A Technical Report

論文の概要: Developing and Validating Semi-Markov Occupancy Generative Models: A Technical Report

arxiv url: http://arxiv.org/abs/2112.11111v1
Date: Tue, 21 Dec 2021 11:26:57 GMT
ステータス: 処理完了
システム内更新日: 2021-12-22 15:33:58.308738
Title: Developing and Validating Semi-Markov Occupancy Generative Models: A Technical Report
Title（参考訳）: 半マルコフ人口生成モデルの開発と検証:技術報告
Authors: Soumya Kundu and Saptarshi Bhattacharya and Himanshu Sharma and Veronica Adetola
Abstract要約: 本稿では、商業ビルにおけるゾーンレベルの占有数と占有数のシーケンスを生成するための、不均一なセミマルコフ連鎖モデルの開発と検証について述べる。実際のデータセットは、生成的占有モデルを学び、検証するために使用される。
参考スコア（独自算出の注目度）: 2.389598109913753
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This report documents recent technical work on developing and validating stochastic occupancy models in commercial buildings, performed by the Pacific Northwest National Laboratory (PNNL) as part of the Sensor Impact Evaluation and Verification project under the U.S. Department of Energy (DOE) Building Technologies Office (BTO). In this report, we present our work on developing and validating inhomogeneous semi-Markov chain models for generating sequences of zone-level occupancy presence and occupancy counts in a commercial building. Real datasets are used to learn and validate the generative occupancy models. Relevant metrics such as normalized Jensen-Shannon distance (NJSD) are used to demonstrate the ability of the models to express realistic occupancy behavioral patterns.
Abstract（参考訳）: 本稿では,米国エネルギー省ビル技術部(BTO)のセンサインパクト評価検証プロジェクトの一環として,太平洋岸北西部国立研究所(PNNL)が実施した商業ビルにおける確率的占有モデルの開発と検証に関する最近の技術成果について報告する。本稿では、商業ビルにおけるゾーンレベルの占有数と占有数のシーケンスを生成するための不均一なセミマルコフ連鎖モデルの開発と検証について述べる。実際のデータセットは、生成的占有モデルを学び、検証するために使用される。正規化ジェンセン-シャノン距離(NJSD)のような関連する指標は、モデルが現実的な占有行動パターンを表現する能力を示すために用いられる。

関連論文リスト

A Recipe For Building a Compliant Real Estate Chatbot [4.538121280247506]
本稿では, 安全データとともに, 汎用学習データセットを合成する手法を提案する。我々は,ラマ-3-8Bインストラクタモデルを微調整し,その性能を著しく向上できることを実証した。我々は、コミュニティにおけるさらなる開発と研究を支援するために、モデル、データ、コードをオープンソースにしています。
論文参考訳（メタデータ） (2024-10-07T16:03:47Z)
Data-efficient Large Vision Models through Sequential Autoregression [58.26179273091461]
限られたデータセットに基づいて,効率的な自己回帰に基づく視覚モデルを構築する。このモデルは,高レベル・低レベルのセマンティック理解の両方にまたがる視覚的タスクにおいて,その習熟度をいかに達成するかを実証する。我々の経験的評価は、モデルが様々なタスクに適応する際の機敏さを強調し、パラメータフットプリントの大幅な削減を図った。
論文参考訳（メタデータ） (2024-02-07T13:41:53Z)
JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文参考訳（メタデータ） (2023-11-05T18:59:31Z)
Foundation Models for Generalist Geospatial Artificial Intelligence [3.7002058945990415]
本稿では,大規模データに基づく基礎モデルの事前学習と微調整を効果的に行うための第1種フレームワークを提案する。我々はこの枠組みを利用して、マルチスペクトル衛星画像の1TB以上を事前トレーニングしたトランスフォーマーベースの基礎モデルであるPrithviを開発した。
論文参考訳（メタデータ） (2023-10-28T10:19:55Z)
GEO-Bench: Toward Foundation Models for Earth Monitoring [139.77907168809085]
6つの分類と6つのセグメンテーションタスクからなるベンチマークを提案する。このベンチマークは、さまざまな地球観測タスクの進行の原動力となる。
論文参考訳（メタデータ） (2023-06-06T16:16:05Z)
Towards Efficient Task-Driven Model Reprogramming with Foundation Models [52.411508216448716]
ビジョンファウンデーションモデルは、非常に大きなモデルキャパシティと幅広いトレーニングデータから恩恵を受け、印象的なパワーを示す。しかし、実際には、下流のシナリオは限られた計算資源や効率上の考慮のため、小さなモデルしかサポートできない。これは、ファンデーションモデルの現実的な応用に重要な課題をもたらします。
論文参考訳（メタデータ） (2023-04-05T07:28:33Z)
Attention Boosted Autoencoder for Building Energy Anomaly Detection [0.0]
本稿では,建物の消費行動をモデル化するための新しい注意機構を提案する。現実世界のデータセットは、提案されたアーキテクチャを使ってモデル化される。モデルが捉えた関係を理解するための可視化手法も提示する。
論文参考訳（メタデータ） (2023-03-28T16:06:26Z)
Exploring validation metrics for offline model-based optimisation with diffusion models [50.404829846182764]
モデルベース最適化(MBO)では、マシンラーニングを使用して、(基底真理)オラクルと呼ばれるブラックボックス関数に対する報酬の尺度を最大化する候補を設計することに興味があります。モデル検証中に基底オラクルに対する近似をトレーニングし、その代わりに使用することができるが、その評価は近似的であり、敵の例に対して脆弱である。本手法は,外挿量を測定するために提案した評価フレームワークにカプセル化されている。
論文参考訳（メタデータ） (2022-11-19T16:57:37Z)
Large Language Models with Controllable Working Memory [64.71038763708161]
大規模言語モデル(LLM)は、自然言語処理(NLP)の一連のブレークスルーをもたらした。これらのモデルをさらに切り離すのは、事前訓練中に内在する膨大な量の世界的知識だ。モデルの世界知識が、文脈で提示された事実情報とどのように相互作用するかは、まだ解明されていない。
論文参考訳（メタデータ） (2022-11-09T18:58:29Z)
Quantifying Quality of Class-Conditional Generative Models in Time-Series Domain [4.219228636765818]
Inception Time Score(ITS)とFrechet Inception Time Distance(FITD)を導入し、時系列領域におけるクラス条件生成モデルの質的性能を評価する。提案した指標の識別能力を調べるため,80種類のデータセットについて広範な実験を行った。
論文参考訳（メタデータ） (2022-10-14T08:13:20Z)
Machine learning based surrogate modeling with SVD enabled training for nonlinear civil structures subject to dynamic loading [0.0]
本稿では,地震を予測するための機械学習に基づく代理モデルフレームワークを提案する。 1階建てと3階建ての建物のピーク応答をうまく予測するために、このフレームワークを用いて検証する。
論文参考訳（メタデータ） (2022-06-12T11:57:58Z)

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。