Fugu-MT 論文翻訳(概要): Taking off with Biodegradable Tensegrities: An Eco-friendly Emergency Medical Delivery Solution

論文の概要: Taking off with Biodegradable Tensegrities: An Eco-friendly Emergency Medical Delivery Solution

arxiv url: http://arxiv.org/abs/2212.11625v1
Date: Thu, 22 Dec 2022 11:44:10 GMT
ステータス: 処理完了
システム内更新日: 2023-02-19 13:16:16.152972
Title: Taking off with Biodegradable Tensegrities: An Eco-friendly Emergency Medical Delivery Solution
Title（参考訳）: 生分解性テンサイに乗じて:エコフレンドリーな救急医療提供ソリューション
Authors: Madhumati Anand, Vyzag Ajith, Sanjula Sreekumar
Abstract要約: 本研究では, 無人航空機による洪水等の災害被災地への医療物資の輸送を, エコフレンドリーな手段で安全に行う方法について分析する。本研究では, 各種生分解性引張構造と, せん断パディングを併用した脆弱なペイロードの性能を比較した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This paper analyzes how medical supplies can be safely transported through eco-friendly means to areas affected by disasters such as floods using Unmanned Aerial Vehicles. We compared the performance of different bio-degradable tensegrity structures with fragile payloads cushioned with coir padding by conducting drop tests from successively greater heights upto 75 meters on surfaces with different hardness. Our results showed that the bio-degradable tensegrities was able to absorb the shock on impact successively in all cases without any damage to the payload. The results suggest that biodegradable tensegrities are a viable option for fragile payload delivery.
Abstract（参考訳）: 本稿では,無人航空機による洪水等の災害被害地域への医療物資の輸送方法について分析する。硬さの異なる表面上で75mまでの落下試験を行い, 異なる生体分解性テンセグリティ構造と, coirパディングで緩衝された脆性ペイロードの性能を比較した。その結果, 生体分解性テンセグリティーは, ペイロードにダメージを与えることなく, 衝撃に対する衝撃を連続的に吸収できた。その結果, 生分解性テンセグリティーは脆弱なペイロード配送に有効な選択肢であることが示唆された。

関連論文リスト

Countrywide natural experiment reveals impact of built environment on physical activity [55.93314719065985]
より歩行可能な建築環境は、人口全体の活動を増加させる可能性を秘めている。歩行性の増加は、移動後の身体活動の著しい増加と関連している。 MVPA(Modrate-to-vigorous physical activity)は、様々な健康上の利益と結びついている。
論文参考訳（メタデータ） (2024-06-07T00:11:17Z)
BiomedParse: a biomedical foundation model for image parsing of everything everywhere all at once [58.41069132627823]
全体像解析は、セグメンテーション、検出、関連するオブジェクトの認識などのサブタスクを含む。そこで本研究では,9つの画像モダリティにまたがる82種類のオブジェクトの分割,検出,認識を共同で行うことができる,画像解析のためのバイオメディカル基礎モデルであるBiomedParseを提案する。共同学習により、個々のタスクの精度を向上し、テキストプロンプトを通じてノイズの多い画像中のすべての関連オブジェクトを分割するといった新しいアプリケーションを可能にする。
論文参考訳（メタデータ） (2024-05-21T17:54:06Z)
BMRetriever: Tuning Large Language Models as Better Biomedical Text Retrievers [48.21255861863282]
BMRetrieverは、バイオメディカル検索を強化するための一連の密集したレトリバーである。 BMRetrieverは強力なパラメータ効率を示し、410Mの派生型はベースラインを最大11.7倍まで上回っている。
論文参考訳（メタデータ） (2024-04-29T05:40:08Z)
Poisoning Retrieval Corpora by Injecting Adversarial Passages [79.14287273842878]
本稿では,悪意のあるユーザが少数の逆行を発生させるような,高密度検索システムに対する新たな攻撃を提案する。これらの逆行路を大規模な検索コーパスに挿入すると、この攻撃はこれらのシステムを騙すのに非常に効果的であることを示す。また、教師なしと教師なしの両方の最先端の高密度レトリバーをベンチマークし、比較する。
論文参考訳（メタデータ） (2023-10-29T21:13:31Z)
BioGPT: Generative Pre-trained Transformer for Biomedical Text Generation and Mining [140.61707108174247]
本稿では,大規模生物医学文献に基づいて事前学習したドメイン固有生成型トランスフォーマー言語モデルであるBioGPTを提案する。 BC5CDRでは44.98%、38.42%、40.76%のF1スコア、KD-DTIとDDIの関係抽出タスクでは78.2%、PubMedQAでは78.2%の精度が得られた。
論文参考訳（メタデータ） (2022-10-19T07:17:39Z)
Domain-Specific Pretraining for Vertical Search: Case Study on Biomedical Literature [67.4680600632232]
自己教師型学習は、アノテーションのボトルネックを克服するための有望な方向として現れました。本稿では,ドメイン固有の事前学習に基づく垂直探索手法を提案する。我々のシステムはPubMed上で何千万もの記事にスケールでき、Microsoft Biomedical Searchとしてデプロイされている。
論文参考訳（メタデータ） (2021-06-25T01:02:55Z)
Biomedical Interpretable Entity Representations [40.6095537182194]
事前訓練された言語モデルは、エンティティ中心のNLPタスクに強力なパフォーマンスを提供する密度の高いエンティティ表現を誘導する。これは、バイオメディシンのような重要な領域における取り込みをモデル化するための障壁となる。我々は、バイオメディカルテキストの大規模なコーパスから、新しいエンティティ型システムとトレーニングセットを作成する。
論文参考訳（メタデータ） (2021-06-17T13:52:10Z)
Attention Based Semantic Segmentation on UAV Dataset for Natural Disaster Damage Assessment [0.7614628596146599]
我々は,高解像度UAVデータセット上に,自己アテンションに基づくセマンティックセマンティックセマンティクスモデルを実装した。その結果、人命を救うとともに経済損失を減らす自然災害被害評価に自己注意型スキームを使うことが示唆された。
論文参考訳（メタデータ） (2021-05-30T13:39:03Z)
BBAEG: Towards BERT-based Biomedical Adversarial Example Generation for Text Classification [1.14219428942199]
バイオメディカルテキスト分類のためのブラックボックス攻撃アルゴリズムであるBBAEG(Biomedical BERT-based Adversarial Example Generation)を提案する。我々は,BBAEGがより優れた言語流布,セマンティック・コヒーレンス(セマンティック・コヒーレンス)でより強力な攻撃を行うことを示す。
論文参考訳（メタデータ） (2021-04-05T05:32:56Z)
Unsupervised Pre-training for Biomedical Question Answering [32.525495687236194]
バイオメディカル・エンティティの文脈における推論を目的としたラベルなしデータから,新たな事前学習タスクを導入する。実験の結果,提案した事前学習課題におけるBioBERTの事前学習が性能を著しく向上させ,第7回BioASQタスク7b-Phase Bの課題よりも優れた性能を示した。
論文参考訳（メタデータ） (2020-09-27T21:07:51Z)

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。