論文の概要: Automated Extraction of Energy Systems Information from Remotely Sensed
Data: A Review and Analysis
- arxiv url: http://arxiv.org/abs/2202.12939v1
- Date: Fri, 18 Feb 2022 14:38:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-06 14:17:30.773843
- Title: Automated Extraction of Energy Systems Information from Remotely Sensed
Data: A Review and Analysis
- Title（参考訳）: リモートセンシングデータからのエネルギーシステム情報の自動抽出:レビューと分析
- Authors: Simiao Ren, Wei Hu, Kyle Bradbury, Dylan Harrison-Atlas, Laura
Malaguzzi Valeri, Brian Murray, and Jordan M. Malof
- Abstract要約: 高品質なエネルギーシステム情報は、エネルギーシステムの研究、モデリング、意思決定にとって重要な入力である。
近年、リモートセンシングされたデータは、エネルギーシステム情報の豊富な情報源として浮上している。
機械学習の最近の進歩は、有用な情報の自動化と迅速な抽出を可能にしている。
- 参考スコア（独自算出の注目度）: 10.137044808866053
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: High quality energy systems information is a crucial input to energy systems
research, modeling, and decision-making. Unfortunately, precise information
about energy systems is often of limited availability, incomplete, or only
accessible for a substantial fee or through a non-disclosure agreement.
Recently, remotely sensed data (e.g., satellite imagery, aerial photography)
have emerged as a potentially rich source of energy systems information.
However, the use of these data is frequently challenged by its sheer volume and
complexity, precluding manual analysis. Recent breakthroughs in machine
learning have enabled automated and rapid extraction of useful information from
remotely sensed data, facilitating large-scale acquisition of critical energy
system variables. Here we present a systematic review of the literature on this
emerging topic, providing an in-depth survey and review of papers published
within the past two decades. We first taxonomize the existing literature into
ten major areas, spanning the energy value chain. Within each research area, we
distill and critically discuss major features that are relevant to energy
researchers, including, for example, key challenges regarding the accessibility
and reliability of the methods. We then synthesize our findings to identify
limitations and trends in the literature as a whole, and discuss opportunities
for innovation.
- Abstract（参考訳）: 高品質なエネルギーシステム情報は、エネルギーシステムの研究、モデリング、意思決定において重要なインプットである。
不幸なことに、エネルギーシステムに関する正確な情報は、多くの場合、限られた可用性、不完全、またはかなりの費用または非開示契約によってのみアクセス可能である。
近年、リモートセンシングされたデータ(衛星画像、航空写真など)がエネルギーシステム情報の豊富な情報源として浮上している。
しかし、これらのデータの使用は、手動分析を前提として、その膨大なボリュームと複雑さにしばしば挑戦される。
近年の機械学習のブレークスルーにより、リモートセンシングされたデータから有用な情報を自動かつ迅速に抽出することができ、重要なエネルギーシステム変数の大規模取得が容易になった。
本稿では,この新たな話題に関する文献を体系的にレビューし,過去20年間に発行された論文の詳細な調査とレビューを行う。
まず、既存の文献を10大分野に分類し、エネルギー価値連鎖を網羅する。
各研究分野において、エネルギー研究者に関係する主要な特徴、例えば、この手法のアクセシビリティと信頼性に関する重要な課題を精査し、批判的に議論する。
そして、文献全体の限界とトレンドを特定するために研究結果を合成し、イノベーションの機会について論じる。
関連論文リスト
- Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。
本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。
データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-24T19:32:39Z) - Opening the Black-Box: A Systematic Review on Explainable AI in Remote Sensing [51.524108608250074]
ブラックボックス機械学習アプローチは、リモートセンシングにおける知識抽出における主要なモデリングパラダイムとなっている。
我々は、この分野における重要なトレンドを特定するための体系的なレビューを行い、新しい説明可能なAIアプローチに光を当てた。
また,課題と将来的な研究方向性について,より詳細な展望を述べる。
論文 参考訳（メタデータ） (2024-02-21T13:19:58Z) - Exploring Artificial Intelligence Methods for Energy Prediction in
Healthcare Facilities: An In-Depth Extended Systematic Review [0.9208007322096533]
本研究は, 病院ビルのエネルギー消費予測に機械学習と人工知能技術を用いた論文のPRISMAフレームワークを用いた文献レビューを行った。
このレビューでは、エネルギー予測に影響を与えるさまざまなデータ入力が明らかにされ、占有率と気象データが重要な予測因子として出現した。
この発見は、病院のエネルギー消費を最適化するAIの巨大な可能性を浮き彫りにしただけでなく、より包括的できめ細かい研究の必要性も浮き彫りにしている。
論文 参考訳（メタデータ） (2023-11-27T13:30:20Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳（メタデータ） (2023-06-06T10:18:36Z) - AI Explainability and Governance in Smart Energy Systems: A Review [0.36832029288386137]
AIの説明可能性と管理可能性の欠如は、ステークホルダーにとって大きな関心事である。
本稿では,スマートエネルギーシステムにおけるAI説明可能性とガバナンスについて概説する。
論文 参考訳（メタデータ） (2022-10-24T05:09:13Z) - A semantic web approach to uplift decentralized household energy data [4.233200689119682]
この分野の多くのデータベースは、エネルギーに関する情報を含む他の領域からサイロ化されている。
これにより、各機器のエネルギー消費に関する情報(テクストなど)が失われる可能性がある。
本稿では,家庭用エネルギーシステム上でのセマンティックWeb手法を検討することにより,スマートエネルギーシステムにおけるデータ分離問題に取り組む。
論文 参考訳（メタデータ） (2022-08-18T17:21:18Z) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - Monitoring Energy Trends through Automatic Information Extraction [0.0]
我々はEneMonIEと呼ばれるWebベースのシステムのアーキテクチャを,最新のエネルギー動向をモニタリングするためのアーキテクチャとして提示する。
このシステムで処理されるメディアの種類には、オンラインニュース記事、ソーシャルメディアのテキスト、オンラインニュースビデオ、オープンアクセスの学術論文が含まれる。
論文 参考訳（メタデータ） (2022-01-05T12:07:32Z) - Artificial Intelligence Based Prognostic Maintenance of Renewable Energy
Systems: A Review of Techniques, Challenges, and Future Research Directions [3.1123064748686287]
データ分析と機械学習(ML)技術は、これらの予後維持システムの全体的な効率を高めるために使われています。
本稿では,文献に報告されている予測/予測保守フレームワークの概要について述べる。
MLベースのソリューションの重要な側面として、ドメインで一般的に使用されるデータセットについても議論します。
論文 参考訳（メタデータ） (2021-04-20T11:41:00Z) - Data Mining with Big Data in Intrusion Detection Systems: A Systematic
Literature Review [68.15472610671748]
クラウドコンピューティングは、複雑で高性能でスケーラブルな計算のために、強力で必要不可欠な技術になっている。
データ生成の迅速化とボリュームは、データ管理とセキュリティに重大な課題をもたらし始めている。
ビッグデータ設定における侵入検知システム(IDS)の設計と展開が重要視されている。
論文 参考訳（メタデータ） (2020-05-23T20:57:12Z)
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。