論文の概要: AL-iGAN: An Active Learning Framework for Tunnel Geological Reconstruction Based on TBM Operational Data

• arxiv url: http://arxiv.org/abs/2212.00965v1
• Date: Fri, 2 Dec 2022 04:39:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 17:16:03.420485
• Title: AL-iGAN: An Active Learning Framework for Tunnel Geological Reconstruction Based on TBM Operational Data
• Title（参考訳）: al-igan:tbm操作データに基づくトンネル地質復元のためのアクティブラーニングフレームワーク
• Authors: Hao Wang, Lixue Liu, Xueguan Song, Chao Zhang, Dacheng Tao
• Abstract要約: 地下トンネル掘削機 (TBM) では, トンネル内に分布する岩盤のタイプを正確に記述することで, 建設リスクを低減できる。 TBM操作データに基づくトンネル地質復元のためのアクティブラーニングフレームワークAL-iGANを提案する。
• 参考スコア（独自算出の注目度）: 70.99694324397903
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In tunnel boring machine (TBM) underground projects, an accurate description of the rock-soil types distributed in the tunnel can decrease the construction risk ({\it e.g.} surface settlement and landslide) and improve the efficiency of construction. In this paper, we propose an active learning framework, called AL-iGAN, for tunnel geological reconstruction based on TBM operational data. This framework contains two main parts: one is the usage of active learning techniques for recommending new drilling locations to label the TBM operational data and then to form new training samples; and the other is an incremental generative adversarial network for geological reconstruction (iGAN-GR), whose weights can be incrementally updated to improve the reconstruction performance by using the new samples. The numerical experiment validate the effectiveness of the proposed framework as well.
• Abstract（参考訳）: トンネルボーリングマシン (tbm) の地下プロジェクトにおいて, トンネル内に分布する岩石-土砂タイプの正確な記述は, 施工リスク(表面沈下や地すべりなど)を低減し, 施工効率を向上させる。 本稿では,TBM運用データに基づくトンネル地質復元のためのアクティブラーニングフレームワークAL-iGANを提案する。 このフレームワークは、tbmの運用データをラベル付けし、新しいトレーニングサンプルを作成するために新しい掘削場所を推奨するアクティブラーニング技術の使用と、新しいサンプルを使用して復元性能を向上させるために重みを段階的に更新できる地質学的再構築のためのインクリメンタル生成逆ネットワーク(igan-gr)である。 また,提案手法の有効性を検証する数値実験を行った。

関連論文リスト

• Novel Approaches for ML-Assisted Particle Track Reconstruction and Hit Clustering [2.7999949281820276]
  軌道再構成は高エネルギー物理学(HEP)の重要な側面であり、主要な実験において重要な役割を果たしている。 我々は、簡易なシミュレータ(REDVID)を使用して、簡易性のために特別に構成されたトレーニングデータを生成する。 我々は、ヒットシーケンスをヒットシーケンスとして扱い、シーケンス変換問題をトラックする。
  論文  参考訳（メタデータ） (2024-05-27T16:23:50Z)
• Transformer Based Model for Predicting Rapid Impact Compaction Outcomes: A Case Study of Utapao International Airport [0.0]
  本稿では,Rapid Impact Compaction (RIC) により改良された地盤の工学的特性を予測するための新しい深層学習手法を提案する。 RICは、ドロップハンマーを使って土壌をコンパクト化し、層を埋める地上改良技術である。 提案手法では,入力特徴間の複雑な非線形関係を解析するために,トランスフォーマーに基づくニューラルネットワークを用いる。
  論文  参考訳（メタデータ） (2023-11-29T10:56:02Z)
• Multi-task deep learning for large-scale building detail extraction from high-resolution satellite imagery [13.544826927121992]
  MT-BR(Multi-task Building Refiner)は、衛星画像から構築の詳細を同時抽出するための適応型ニューラルネットワークである。 大規模アプリケーションでは,限定的だが代表的画像サンプルを戦略的に選択する新しい空間サンプリング方式を考案する。 MT-BRは、様々なメトリクスをまたいだ詳細の構築において、他の最先端の手法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2023-10-29T04:43:30Z)
• Background Activation Suppression for Weakly Supervised Object Localization and Semantic Segmentation [84.62067728093358]
  弱教師付きオブジェクトローカライゼーションとセマンティックセグメンテーションは、画像レベルのラベルのみを使用してオブジェクトをローカライズすることを目的としている。 画素レベルのローカライゼーションを実現するために,フォアグラウンド予測マップを生成することで,新たなパラダイムが誕生した。 本稿では,物体の局在化学習過程に関する2つの驚くべき実験結果を示す。
  論文  参考訳（メタデータ） (2023-09-22T15:44:10Z)
• Unsupervised Restoration of Weather-affected Images using Deep Gaussian Process-based CycleGAN [92.15895515035795]
  本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。 我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。 提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
  論文  参考訳（メタデータ） (2022-04-23T01:30:47Z)
• Speeding up deep neural network-based planning of local car maneuvers via efficient B-spline path construction [3.9596068699962323]
  約11ミリ秒のほぼ一定時間で局所的な操作を生成できる新しいB-スプラインパス構築法を提案する。 我々は,最新のベンチMRフレームワークを用いた新しいプランナーを徹底的に評価し,提案手法が最先端プランナーよりも大きなマージンで優れていることを示す定量的結果を得た。
  論文  参考訳（メタデータ） (2022-03-14T09:54:24Z)
• TRAIL: Near-Optimal Imitation Learning with Suboptimal Data [100.83688818427915]
  オフラインデータセットを使用してファクタードトランジションモデルを学習するトレーニング目標を提案する。 我々の理論的分析は、学習された潜在行動空間が下流模倣学習のサンプル効率を高めることを示唆している。 実際に潜伏行動空間を学習するために、エネルギーベースの遷移モデルを学ぶアルゴリズムTRAIL(Transition-Reparametrized Actions for Imitation Learning)を提案する。
  論文  参考訳（メタデータ） (2021-10-27T21:05:00Z)
• A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
  本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。 得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
  論文  参考訳（メタデータ） (2021-04-19T14:43:07Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Deep Learning Framework for Detecting Ground Deformation in the Built Environment using Satellite InSAR data [7.503635457124339]
  我々は、全国規模の速度場における変形を検出するために、事前訓練された畳み込みニューラルネットワーク(CNN)を適用した。 我々は、以前特定された変形が石炭採掘、地下水流出、地すべり、トンネル掘削と関係している英国に焦点を当てる。 本研究は, 自動地動解析システムの開発に提案手法が適用可能であることを示すものである。
  論文  参考訳（メタデータ） (2020-05-07T03:14:00Z)

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。