論文の概要: GreenEyes: An Air Quality Evaluating Model based on WaveNet

• arxiv url: http://arxiv.org/abs/2212.04175v1
• Date: Thu, 8 Dec 2022 10:28:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 16:36:44.715240
• Title: GreenEyes: An Air Quality Evaluating Model based on WaveNet
• Title（参考訳）: GreenEyes: WaveNetに基づく大気質評価モデル
• Authors: Kan Huang, Kai Zhang, Ming Liu
• Abstract要約: 本稿では,シーケンスの表現を学習するためのWaveNetベースのバックボーンブロックと,テンポラルアテンションモジュールを用いたLSTMで構成されるディープニューラルネットワークモデルを提案する。 我々は,データセットから得られた空気質データの任意の部分について,次のタイムスタンプの空気質レベルを効果的に予測できることを示す。
• 参考スコア（独自算出の注目度）: 11.513011576336744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accompanying rapid industrialization, humans are suffering from serious air pollution problems. The demand for air quality prediction is becoming more and more important to the government's policy-making and people's daily life. In this paper, We propose GreenEyes -- a deep neural network model, which consists of a WaveNet-based backbone block for learning representations of sequences and an LSTM with a Temporal Attention module for capturing the hidden interactions between features of multi-channel inputs. To evaluate the effectiveness of our proposed method, we carry out several experiments including an ablation study on our collected and preprocessed air quality data near HKUST. The experimental results show our model can effectively predict the air quality level of the next timestamp given any segment of the air quality data from the data set. We have also released our standalone dataset at https://github.com/AI-Huang/IAQI_Dataset The model and code for this paper are publicly available at https://github.com/AI-Huang/AirEvaluation
• Abstract（参考訳）: 急速な工業化に伴い、人間は深刻な大気汚染に苦しんでいる。 大気質予測の需要は、政府の政策決定や人々の日常生活にとってますます重要になっている。 本稿では、シーケンスの表現を学習するためのWaveNetベースのバックボーンブロックと、マルチチャネル入力の特徴間の隠れた相互作用をキャプチャするためのテンポラルアテンションモジュールを備えたLSTMからなるディープニューラルネットワークモデルGreenEyesを提案する。 提案手法の有効性を評価するため,hkust付近で収集した空気質データに対するアブレーション実験を含むいくつかの実験を行った。 実験の結果,本モデルでは,データセットから得られた空気品質データから,次のタイムスタンプの空気品質レベルを効果的に予測できることがわかった。 https://github.com/AI-Huang/IAQI_Dataset この論文のモデルとコードはhttps://github.com/AI-Huang/AirEvaluationで公開されています。

関連論文リスト

• SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised Learning for Robust Infrared Small Target Detection [53.19618419772467]
  単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。 Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。 赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-08T16:14:54Z)
• Spatio-Temporal Field Neural Networks for Air Quality Inference [13.582971831446647]
  本稿では,新しいモデルSpatio-Temporal Field Neural Networkとその対応するフレームワークであるPraamidal Inferenceを提案する。 本モデルは中国本土における大気質の全国的推定における最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-03-02T10:14:42Z)
• Air Quality Forecasting Using Machine Learning: A Global perspective with Relevance to Low-Resource Settings [0.0]
  大気汚染は世界第4位の死因である。 本研究では,2ヶ月の空気質データを用いた高精度な空気質予測のための新しい機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-09T05:52:02Z)
• Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
  本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。 提案手法は平均精度(MAP)を約45.7%向上させる。 この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
  論文  参考訳（メタデータ） (2023-11-21T19:49:13Z)
• Unleashing Realistic Air Quality Forecasting: Introducing the Ready-to-Use PurpleAirSF Dataset [4.190243190157989]
  本稿では,PurpleAirネットワークからの包括的かつ容易にアクセス可能なデータセットであるPurpleAirSFを紹介する。 本稿では、PurpleAirSFの構築に使用されるデータ収集および処理方法の詳細について述べる。 従来の予測モデルと現代の予測モデルの両方を用いて予備実験を行い、将来の大気質予測タスクのベンチマークを作成する。
  論文  参考訳（メタデータ） (2023-06-24T12:10:16Z)
• Spatiotemporal Graph Convolutional Recurrent Neural Network Model for Citywide Air Pollution Forecasting [0.0]
  大気汚染は様々な方法で変化し、多くの複雑な要因に依存する。 画像に基づく表現は、大気汚染やその他の影響要因が自然なグラフ構造を持つため理想的ではないかもしれない。 グラフ畳み込みネットワーク(GCN: Graph Convolutional Network)は、都市全体における空気質の読み出しの空間的特徴を効率的に表現することができる。 本手法は, 実環境大気汚染データを用いたハイブリッドGCN法よりも優れている。
  論文  参考訳（メタデータ） (2023-04-25T07:57:07Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• 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)
• MSNet: A Multilevel Instance Segmentation Network for Natural Disaster Damage Assessment in Aerial Videos [74.22132693931145]
  本研究では, ハリケーン, 洪水, 火災などの自然災害後の建物被害を効率的に評価する課題について検討する。 最初のコントリビューションは、ソーシャルメディアからユーザ生成された空中ビデオと、インスタンスレベルのビルディング損傷マスクのアノテーションで構成される、新しいデータセットである。 第二のコントリビューションはMSNetと呼ばれる新しいモデルで、新しい領域の提案ネットワーク設計を含んでいる。
  論文  参考訳（メタデータ） (2020-06-30T02:23:05Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)

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。