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
- Catastrophic Overfitting: A Potential Blessing in Disguise [51.996943482875366]
FAT(Fast Adversarial Training)は、敵の堅牢性向上に効果があるとして、研究コミュニティ内で注目を集めている。
既存のFATアプローチではCOの緩和が進んでいるが, クリーンサンプルの分類精度が低下するにつれて, 対向ロバスト性の上昇が生じる。
クリーンな例と逆向きな例に特徴アクティベーションの相違を利用して,COの根本原因を分析した。
我々は, モデル性能を高めることを目的として, 「攻撃難読化」を実現するためにCOを活用する。
論文 参考訳(メタデータ) (2024-02-28T10:01:44Z) - 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) - BioDEX: Large-Scale Biomedical Adverse Drug Event Extraction for
Real-World Pharmacovigilance [26.88690084623426]
バイオメディカルな有害薬物イベント抽出のための大規模資源であるBioDEXを紹介する。
本研究は,本論文からレポートのコア情報を予測する作業について考察する。
人間のパフォーマンスは72.0% F1と見積もっていますが、私たちの最高のモデルは62.3% F1です。
論文 参考訳(メタデータ) (2023-05-22T18:15:57Z) - 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) - Fine-Tuning Large Neural Language Models for Biomedical Natural Language
Processing [55.52858954615655]
バイオメディカルNLPの微調整安定性に関する系統的研究を行った。
我々は、特に低リソース領域において、微調整性能は事前トレーニング設定に敏感であることを示した。
これらの技術は低リソースバイオメディカルNLPアプリケーションの微調整性能を大幅に向上させることができることを示す。
論文 参考訳(メタデータ) (2021-12-15T04:20:35Z) - 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) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳(メタデータ) (2021-06-04T22:17:09Z) - 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。
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。