論文の概要: A.I. and Data-Driven Mobility at Volkswagen Financial Services AG

• arxiv url: http://arxiv.org/abs/2202.04411v1
• Date: Wed, 9 Feb 2022 11:45:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-10 14:58:10.056236
• Title: A.I. and Data-Driven Mobility at Volkswagen Financial Services AG
• Title（参考訳）: Volkswagen Financial Services AGにおけるAIとデータ駆動モビリティ
• Authors: Shayan Jawed, Mofassir ul Islam Arif, Ahmed Rashed, Kiran Madhusudhanan, Shereen Elsayed, Mohsan Jameel, Alexei Volk, Andre Hintsches, Marlies Kornfeld, Katrin Lange, Lars Schmidt-Thieme
• Abstract要約: Volkswagen Financial Services(VWFS)は、既存のプロプライエタリなデータを活用して、既存のビジネスプロセスを強化し、新たなビジネスプロセスを導出することを目的としている。 本稿では,VWFSにおける車両ライフサイクルにおけるデータ駆動型決定を可能にするレコメンデータシステム,オブジェクト検出,予測の分野における手法を提案する。
• 参考スコア（独自算出の注目度）: 4.882606785609997
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Machine learning is being widely adapted in industrial applications owing to the capabilities of commercially available hardware and rapidly advancing research. Volkswagen Financial Services (VWFS), as a market leader in vehicle leasing services, aims to leverage existing proprietary data and the latest research to enhance existing and derive new business processes. The collaboration between Information Systems and Machine Learning Lab (ISMLL) and VWFS serves to realize this goal. In this paper, we propose methods in the fields of recommender systems, object detection, and forecasting that enable data-driven decisions for the vehicle life-cycle at VWFS.
• Abstract（参考訳）: 機械学習は、市販のハードウェアの能力と急速に進歩する研究のために、産業アプリケーションに広く応用されている。 自動車リースサービスのマーケットリーダーであるフォルクスワーゲン・ファイナンシャル・サービス(VWFS)は、既存のプロプライエタリなデータと最新の研究を活用して、既存および新規のビジネスプロセスを強化することを目指している。 情報システムと機械学習ラボ(ISMLL)とVWFSのコラボレーションは、この目標を実現するのに役立ちます。 本稿では,VWFSにおける車両ライフサイクルにおけるデータ駆動型決定を可能にするレコメンデータシステム,オブジェクト検出,予測の分野における手法を提案する。

関連論文リスト

• MetaTrading: An Immersion-Aware Model Trading Framework for Vehicular Metaverse Services [94.61039892220037]
  本稿では,車載メタバースにおける拡張現実(AR)サービスの学習モデルを支援するために,メタバースユーザ(MU)にインセンティブを与える新しい没入型モデルトレーディングフレームワークを提案する。 動的ネットワーク条件とプライバシの懸念を考慮して、マルチエージェントマルコフ決定プロセスとしてMSPの報酬決定を定式化する。 実験により,提案フレームワークは,実AR関連車両データセット上でのARサービスにおいて,オブジェクト検出と分類のための高価値モデルを効果的に提供できることが示されている。
  論文  参考訳（メタデータ） (2024-10-25T16:20:46Z)
• QoS prediction in radio vehicular environments via prior user information [54.853542701389074]
  セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。 具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
  論文  参考訳（メタデータ） (2024-02-27T17:05:41Z)
• Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
  自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。 本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
  論文  参考訳（メタデータ） (2023-04-28T10:27:38Z)
• A Survey of Federated Learning for Connected and Automated Vehicles [2.348805691644086]
  コネクテッド・アンド・オートマチック・ビークルズ(CAV)は、自動車分野における新興技術の1つである。 フェデレートラーニング(FL)は、複数の車両との協調モデル開発を可能にするCAVの効果的なソリューションである。
  論文  参考訳（メタデータ） (2023-03-19T14:44:37Z)
• Berlin V2X: A Machine Learning Dataset from Multiple Vehicles and Radio Access Technologies [56.77079930521082]
  我々は,MLに基づく多種多様な研究への道を開くための詳細な測定キャンペーンを実施してきた。 得られたデータセットは、携帯電話(と2つの異なるオペレーター)とサイドリンク無線アクセス技術の両方のために、様々な都市環境にまたがるGPS位置の無線測定を提供する。 私たちは、MLが克服しなければならない課題と、MLが活用できる機能について、データの初期分析を提供しています。
  論文  参考訳（メタデータ） (2022-12-20T15:26:39Z)
• 5G Features and Standards for Vehicle Data Exploitation [0.0]
  5Gは、車から取得したデータを、クラウドにデプロイされた革新的なアプリケーションやサービスに供給することを可能にする。 本稿では,スケーラブルでフレキシブルで信頼性が高く,セキュアなデータパイプラインに寄与する主要な5G機能との関連性について論じる。
  論文  参考訳（メタデータ） (2022-04-13T07:33:50Z)
• From Distributed Machine Learning to Federated Learning: A Survey [49.7569746460225]
  分散学習は、分散データとコンピューティングリソースを利用するための効率的なアプローチとして現れる。 本論文では,連合学習システムの機能構造と関連手法の分類法を提案する。 本稿では,flシステムの分散トレーニング,データ通信,セキュリティについて述べる。
  論文  参考訳（メタデータ） (2021-04-29T14:15:11Z)
• Data-Driven Aerospace Engineering: Reframing the Industry with Machine Learning [49.367020832638794]
  航空宇宙産業は、ビッグデータと機械学習を収益化しようとしている。 最近のトレンドは、設計、製造、検証、サービスにおける重要な課題の文脈で検討される。
  論文  参考訳（メタデータ） (2020-08-24T22:40:26Z)
• Federated Learning in Vehicular Networks [41.89469856322786]
  フェデレートラーニング(FL)フレームワークは、トランスミッションオーバーヘッドを減らすことを目的として、効率的なツールとして導入された。 本稿では,車載ネットワークアプリケーションにおける一元学習(CL)によるFLを用いたインテリジェント交通システムの構築について検討する。 データラベリングやモデルトレーニングといった学習の観点からも,コミュニケーションの観点からも,データレート,信頼性,送信オーバーヘッド,プライバシ,リソース管理といった面から,大きな課題を識別する。
  論文  参考訳（メタデータ） (2020-06-02T06:32:59Z)
• Road Quality Analysis Based on Cognitive Internet of Vehicles (CIoV) [0.6345523830122167]
  本研究は、認知インターネット・オブ・ビークルズ(CIoV)と呼ばれる新しい技術に基づいて、道路の質を認知的手法を用いて分析することを目的とする。 提案システムは、自動運転車企業の追加サービスや、一般用途のモバイルアプリケーションとして利用することができる。
  論文  参考訳（メタデータ） (2020-04-16T09:59:45Z)

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。