論文の概要: Graph Modeling in Computer Assisted Automotive Development
- arxiv url: http://arxiv.org/abs/2209.14910v1
- Date: Thu, 29 Sep 2022 16:16:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 17:45:53.016934
- Title: Graph Modeling in Computer Assisted Automotive Development
- Title（参考訳）: コンピュータ支援自動車開発におけるグラフモデリング
- Authors: Anahita Pakiman, Jochen Garcke
- Abstract要約: 事故の安全性を重視した、車両開発のための知識グラフのグラフモデリングについて検討する。
特に,クラッシュコンピュータ支援エンジニアリング(CAE)データのセマンティクスを提案し,開発プロセス中のクラッシュCAEデータの検索性,フィルタリング,レコメンデーション,予測を可能にする。
- 参考スコア（独自算出の注目度）: 1.14219428942199
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider graph modeling for a knowledge graph for vehicle development,
with a focus on crash safety. An organized schema that incorporates information
from various structured and unstructured data sources is provided, which
includes relevant concepts within the domain. In particular, we propose
semantics for crash computer aided engineering (CAE) data, which enables
searchability, filtering, recommendation, and prediction for crash CAE data
during the development process. This graph modeling considers the CAE data in
the context of the R\&D development process and vehicle safety. Consequently,
we connect CAE data to the protocols that are used to assess vehicle safety
performances. The R\&D process includes CAD engineering and safety attributes,
with a focus on multidisciplinary problem-solving. We describe previous efforts
in graph modeling in comparison to our proposal, discuss its strengths and
limitations, and identify areas for future work.
- Abstract（参考訳）: 事故の安全性を重視した,車両開発のための知識グラフのグラフモデリングを検討する。
ドメイン内の関連する概念を含む、さまざまな構造化および非構造化データソースからの情報を含む組織スキーマが提供される。
特に,クラッシュコンピュータ支援エンジニアリング(CAE)データのセマンティクスを提案し,開発プロセス中のクラッシュCAEデータの検索性,フィルタリング,レコメンデーション,予測を可能にする。
このグラフモデリングは、研究開発プロセスと車両安全性の文脈におけるCAEデータについて考察する。
これにより、車両の安全性能を評価するために使用されるプロトコルにCAEデータを接続する。
R&DプロセスにはCADエンジニアリングと安全属性が含まれており、多分野の問題解決に焦点を当てている。
グラフモデリングにおけるこれまでの取り組みを本提案と比較し,その強みと限界を議論し,今後の作業領域を特定する。
関連論文リスト
- A Graph-Based Model for Vehicle-Centric Data Sharing Ecosystem [4.532960304032296]
我々は、現代の車両が異なる当事者間のデータ交換をどのように扱うかについての洞察を得るために、概念グラフベースのモデルを開発する。
車両関連データ共有に関するプライバシーに関する洞察を発見することの有用性と有効性を示すために、2つの現実的な例が開発された。
論文 参考訳（メタデータ） (2024-10-30T10:52:19Z) - AI-Aided Kalman Filters [65.35350122917914]
カルマンフィルタ(KF)とその変種は、信号処理において最も著名なアルゴリズムの一つである。
最近の進歩は、古典的なカルマン型フィルタリングでディープニューラルネットワーク(DNN)を融合させる可能性を示している。
本稿では,KF型アルゴリズムにAIを組み込むための設計アプローチについて,チュートリアル形式で概説する。
論文 参考訳（メタデータ） (2024-10-16T06:47:53Z) - AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳（メタデータ） (2024-03-26T04:27:56Z) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳（メタデータ） (2023-07-10T04:30:23Z) - Graph Extraction for Assisting Crash Simulation Data Analysis [0.966840768820136]
我々は,コンピュータ支援工学(CAE)からグラフへ情報を抽象化する手法を確立する。
我々は,車両設計の複雑なサブディシデントであるクラッシュネス解析における負荷経路に着目した。
論文 参考訳（メタデータ） (2023-06-15T22:47:01Z) - TAP: A Comprehensive Data Repository for Traffic Accident Prediction in
Road Networks [36.975060335456035]
既存の機械学習アプローチは、独立して交通事故を予測することに重点を置いている。
グラフ構造情報を組み込むには、グラフニューラルネットワーク(GNN)を自然に適用することができる。
GNNを事故予測問題に適用することは、適切なグラフ構造化交通事故データセットがないため、課題に直面します。
論文 参考訳（メタデータ） (2023-04-17T22:18:58Z) - Context-Aware Target Classification with Hybrid Gaussian Process
prediction for Cooperative Vehicle Safety systems [2.862606936691229]
自動運転車の堅牢性と安全性を改善するための潜在的な解決策として、V2X通信が提案されている。
協調車両安全(CVS)アプリケーションは、下層データシステムの信頼性に強く依存している。
本稿では,CVSシステムのためのコンテキスト認識ターゲット分類(CA-TC)モジュールとハイブリッド学習に基づく予測モデリング手法を提案する。
論文 参考訳（メタデータ） (2022-12-24T22:03:08Z) - RSG-Net: Towards Rich Sematic Relationship Prediction for Intelligent
Vehicle in Complex Environments [72.04891523115535]
本稿では,オブジェクトの提案から潜在的意味関係を予測するグラフ畳み込みネットワークRSG-Netを提案する。
実験の結果、このネットワークはロードシーングラフデータセットに基づいてトレーニングされており、エゴ車両周辺のオブジェクト間の潜在的な意味関係を効率的に予測できることがわかった。
論文 参考訳（メタデータ） (2022-07-16T12:40:17Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳（メタデータ） (2021-02-12T18:17:12Z) - Graph signal processing for machine learning: A review and new
perspectives [57.285378618394624]
本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。
本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。
我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
論文 参考訳（メタデータ） (2020-07-31T13:21:33Z) - Reducing DNN Labelling Cost using Surprise Adequacy: An Industrial Case
Study for Autonomous Driving [23.054842564447895]
ディープニューラルネットワーク(Deep Neural Networks, DNN)は、自動運転に不可欠なタスクにおける優れたパフォーマンスのため、自動車業界で急速に採用されている。
本稿では、サプライズ・アデクシー(SA)とモデル性能の相関を利用して、DNNに基づくオブジェクトセグメンテーションの開発を改善する方法について述べる。
産業ケーススタディでは,不正確な評価で最大50%のコスト削減が可能であった。
論文 参考訳（メタデータ） (2020-05-29T06:33:55Z)
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。