論文の概要: AQuaMoHo: Localized Low-Cost Outdoor Air Quality Sensing over a Thermo-Hygrometer

• arxiv url: http://arxiv.org/abs/2204.11484v3
• Date: Fri, 18 Nov 2022 02:27:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 16:27:07.390269
• Title: AQuaMoHo: Localized Low-Cost Outdoor Air Quality Sensing over a Thermo-Hygrometer
• Title（参考訳）: AQuaMoHo:温熱量計による低コスト屋外空気質計測
• Authors: Prithviraj Pramanik, Prasenjit Karmakar, Praveen Kumar Sharma, Soumyajit Chatterjee, Abhijit Roy, Santanu Mandal, Subrata Nandi, Sandip Chakraborty, Mousumi Saha and Sujoy Saha
• Abstract要約: AQuaMoHoは、低コストの温度湿度計から得られたデータをAQIラベルでアノテートするフレームワークである。 コアとなるAQuaMoHoは、LSTMベースのモデルを使用して、利用可能な空間的特徴のセットから時間パターンを利用する。 2つの異なる都市の徹底的な研究から、AQuaMoHoは個人の規模で大気の質データに注釈をつけるのに大いに役立ちます。
• 参考スコア（独自算出の注目度）: 6.08705634919079
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient air quality sensing serves as one of the essential services provided in any recent smart city. Mostly facilitated by sparsely deployed Air Quality Monitoring Stations (AQMSs) that are difficult to install and maintain, the overall spatial variation heavily impacts air quality monitoring for locations far enough from these pre-deployed public infrastructures. To mitigate this, we in this paper propose a framework named AQuaMoHo that can annotate data obtained from a low-cost thermo-hygrometer (as the sole physical sensing device) with the AQI labels, with the help of additional publicly crawled Spatio-temporal information of that locality. At its core, AQuaMoHo exploits the temporal patterns from a set of readily available spatial features using an LSTM-based model and further enhances the overall quality of the annotation using temporal attention. From a thorough study of two different cities, we observe that AQuaMoHo can significantly help annotate the air quality data on a personal scale.
• Abstract（参考訳）: 効率的な空気質のセンシングは、近年のスマートシティにおいて重要なサービスの一つとなっている。 設置や維持が困難な空気質監視局(AQMS)の設置や設置が比較的容易であり、全体の空間的変動は、これらの既設の公共インフラから十分に離れた場所での空気質監視に大きく影響する。 そこで本稿では,AQIラベルを用いて,低コストな温度センサから得られたデータをアノテート可能なAQuaMoHoというフレームワークを提案する。 コアとなるAQuaMoHoは、LSTMベースのモデルを用いて利用可能な空間的特徴の集合から時間パターンを利用し、時間的注意によるアノテーションの全体的な品質を高める。 2つの異なる都市の徹底的な研究から、AQuaMoHoは個人の規模で大気の質データに注釈をつけるのに大いに役立ちます。

関連論文リスト

• FengWu-W2S: A deep learning model for seamless weather-to-subseasonal forecast of global atmosphere [53.22497376154084]
  本研究では,FengWuグローバル気象予報モデルに基づくFengWu-Weather to Subseasonal (FengWu-W2S)を提案する。 我々は,FengWu-W2Sが大気環境を3～6週間先まで確実に予測し,マデン・ジュリア振動 (MJO) や北大西洋振動 (NAO) などの地球表面温度, 降水量, 地磁気高度, 季節内信号の予測能力を向上させることを実証した。 日時から季節時の予測誤差成長に関するアブレーション実験
  論文  参考訳（メタデータ） (2024-11-15T13:44:37Z)
• Spatio-Temporal Jump Model for Urban Thermal Comfort Monitoring [0.0]
  空間次元と時間次元の両方にまたがってデータを扱うアテンポ的ハンドルを導入する。 我々は,本手法を広範囲なシミュレーションにより検証し,真に基礎となる分割を復元する際の精度を実証した。 本提案では, 都市環境の動的設定と実環境モニタリングへの適合性を実証し, その有効性を示す。
  論文  参考訳（メタデータ） (2024-11-14T15:36:19Z)
• Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
  本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。 車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。 ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
  論文  参考訳（メタデータ） (2024-10-08T10:35:32Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Opportunistic Air Quality Monitoring and Forecasting with Expandable Graph Neural Networks [2.969574053459335]
  本稿では,既存および新たに追加されたインフラから収集したデータをダイジェストする拡張可能なグラフアテンションネットワーク(EGAT)モデルを提案する。 この提案は、PurpleAirの実際の空気品質データに基づいて検証されている。
  論文  参考訳（メタデータ） (2023-07-29T07:17:43Z)
• Vision in adverse weather: Augmentation using CycleGANs with various object detectors for robust perception in autonomous racing [70.16043883381677]
  自律レースでは、天気は突然変化し、認識が著しく低下し、非効率な操作が引き起こされる。 悪天候の検知を改善するために、ディープラーニングベースのモデルは通常、そのような状況下でキャプチャされた広範なデータセットを必要とする。 本稿では,5つの最先端検出器のうち4つの性能向上を図るために,自動レース(CycleGANを用いた)における合成悪条件データセットを用いた手法を提案する。
  論文  参考訳（メタデータ） (2022-01-10T10:02:40Z)
• AirSPEC: An IoT-empowered Air Quality Monitoring System integrated with a Machine Learning Framework to Detect and Predict defined Air Quality parameters [0.0]
  機械学習モデルにより実装が容易で、セマンティックに配布され、権限を与える新しいモノのインターネットフレームワークが提案されている。 提案システムは,一次センサデータを処理,可視化,保存するNodeREDダッシュボードを備えている。 ダッシュボードは、時間的および地理空間的な空気質予測を得るために、機械学習モデルと統合されている。
  論文  参考訳（メタデータ） (2021-11-28T12:13:30Z)
• Real-time Ionospheric Imaging of S4 Scintillation from Limited Data with Parallel Kalman Filters and Smoothness [91.3755431537592]
  南アメリカ上空350kmでS4振幅シンチレーションの2次元電離層像を時間分解能1分で作成する。 その結果, 地上受信機のネットワークが比較的良好なエリアでは, 生成画像が信頼性の高いリアルタイム結果を提供できることがわかった。
  論文  参考訳（メタデータ） (2021-05-11T23:09:14Z)
• Urban Space Insights Extraction using Acoustic Histogram Information [13.808053718325628]
  都市部における屋外活動の検知と降雨期間推定のための低コストアナログ音響センサの実装について検討した。 アナログ音響センサはヒストグラム形式で5分ごとにクラウドに送信され、100ms(10Hz)毎にサンプリングされる音データからなる。
  論文  参考訳（メタデータ） (2020-12-10T07:21:34Z)
• 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)

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。