論文の概要: Aircraft Environmental Impact Segmentation via Metric Learning

• arxiv url: http://arxiv.org/abs/2306.13830v1
• Date: Sat, 24 Jun 2023 01:14:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 18:48:27.349630
• Title: Aircraft Environmental Impact Segmentation via Metric Learning
• Title（参考訳）: 計量学習による航空機環境影響セグメンテーション
• Authors: Zhenyu Gao, Dimitri N. Mavris
• Abstract要約: メトリックラーニング(Metric Learning)とは、特定のタスクのための調整された距離メートル法を学習する過程である。 本研究では,航空環境影響モデリングにおいて,新しい構成要素を用いた古典的計量学習の定式化を適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Metric learning is the process of learning a tailored distance metric for a particular task. This advanced subfield of machine learning is useful to any machine learning or data mining task that relies on the computation of distances or similarities over objects. In recently years, machine learning techniques have been extensively used in aviation and aerospace engineering to make predictions, extract patterns, discover knowledge, etc. Nevertheless, metric learning, an element that can advance the performance of complex machine learning tasks, has so far been hardly utilized in relevant literature. In this study, we apply classic metric learning formulations with novel components on aviation environmental impact modeling. Through a weakly-supervised metric learning task, we achieve significant improvement in the newly emerged problem of aircraft characterization and segmentation for environmental impacts. The result will enable the more efficient and accurate modeling of aircraft environmental impacts, a focal topic in sustainable aviation. This work is also a demonstration that shows the potential and value of metric learning in a wide variety of similar studies in the transportation domain.
• Abstract（参考訳）: メトリック学習は、特定のタスクのために調整された距離メトリックを学習するプロセスである。 この高度な機械学習のサブフィールドは、オブジェクト間の距離や類似性の計算に依存する機械学習やデータマイニングタスクに有用である。 近年, 航空機や航空宇宙工学において, 予測, パターン抽出, 知識発見などの機械学習技術が広く用いられている。 それでも、複雑な機械学習タスクのパフォーマンスを前進させる要素であるメトリック学習は、関連する文献ではほとんど使われていない。 本研究では,航空環境影響モデリングに新しい要素を付加した古典的計量学習式を適用する。 弱教師付き計量学習の課題を通じて, 航空機の特性評価と環境影響のセグメンテーションという新たな課題において, 大幅な改善を実現した。 その結果、持続可能な航空において、より効率的で正確な航空機環境影響のモデリングが可能になる。 この研究は、輸送分野における様々な類似の研究において、メートル法学習の可能性と価値を示すデモンストレーションでもある。

関連論文リスト

• On the Generalization Properties of Deep Learning for Aircraft Fuel Flow Estimation Models [2.7336487680215815]
  本稿では,燃料消費予測におけるディープラーニングモデルの一般化能力について検討する。 本稿では,ニューラルネットワークアーキテクチャとドメイン一般化技術を統合する新しい手法を提案する。 以前は目に見えない航空機に対して、航空機へのノイズの導入とエンジンパラメーターはモデルの一般化を改善した。
  論文  参考訳（メタデータ） (2024-10-10T08:34:19Z)
• AviationGPT: A Large Language Model for the Aviation Domain [4.010674039471089]
  AviationGPTはオープンソースのLLaMA-2とMistralアーキテクチャ上に構築されており、慎重にキュレートされた多くの航空データセットで継続的に訓練されている。 さまざまな自然言語処理(NLP)問題に対処する汎用性など、ユーザにはさまざまなメリットがある。 また、航空領域内で正確かつ文脈的に関連する応答も提供する。
  論文  参考訳（メタデータ） (2023-11-29T14:49:31Z)
• Bidirectional Knowledge Reconfiguration for Lightweight Point Cloud Analysis [74.00441177577295]
  ポイントクラウド分析は計算システムのオーバーヘッドに直面し、モバイルやエッジデバイスでの利用を制限する。 本稿では,軽量点雲モデルのための特徴蒸留について検討する。 本研究では,教師から生徒への情報的文脈的知識を抽出するための双方向知識再構成を提案する。
  論文  参考訳（メタデータ） (2023-10-08T11:32:50Z)
• A Comparative Study of Machine Learning Algorithms for Anomaly Detection in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
  本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。 Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。 しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
  論文  参考訳（メタデータ） (2023-07-01T15:18:00Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Inferring Traffic Models in Terminal Airspace from Flight Tracks and Procedures [52.25258289718559]
  本稿では,レーダ監視データから収集したプロシージャデータとフライトトラックから可変性を学習可能な確率モデルを提案する。 任意の航空機数を含む交通量を生成するために,ペアワイズモデルを用いる方法を示す。
  論文  参考訳（メタデータ） (2023-03-17T13:58:06Z)
• Improving aircraft performance using machine learning: a review [57.82442188072833]
  本稿では,航空宇宙工学の多分野に影響を及ぼす機械学習(ML)の新たな展開について概説する。 我々は、さまざまな航空宇宙分野にまたがるML手法の利点と課題を整理し、技術の現状を概観する。
  論文  参考訳（メタデータ） (2022-10-20T07:16:53Z)
• Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
  本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。 本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:37:21Z)
• Phased Flight Trajectory Prediction with Deep Learning [8.898269198985576]
  過去10年間で民間航空会社や民間機が前例のない増加を遂げたことは、航空交通管理の課題となっている。 正確な飛行軌跡予測は、安全かつ秩序ある飛行の決定に寄与する航空輸送管理において非常に重要である。 本研究では,大型旅客・輸送航空機の飛行軌道予測における最先端手法よりも優れた位相付き飛行軌道予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-03-17T02:16:02Z)
• Data-driven Method for Estimating Aircraft Mass from Quick Access Recorder using Aircraft Dynamics and Multilayer Perceptron Neural Network [4.828353666660018]
  乗客と荷物を積載する航空機は、安全上の危険をもたらす可能性がある。 航空会社はこのツールを使って航空機のペイロードをよりよく利用することができる。
  論文  参考訳（メタデータ） (2020-12-10T04:44:47Z)
• From industry-wide parameters to aircraft-centric on-flight inference: improving aeronautics performance prediction with machine learning [5.171090309853363]
  航空機の性能モデルは、特に燃料効率の良い飛行計画において重要な役割を担っている。 実際には、メーカーは1つの要素のチューニングを通じて、航空機のライフサイクルを通してわずかに修正されたガイドラインを提供し、より良い燃料予測を可能にしている。 これは制限があり、特に航空機の性能に影響を及ぼすそれぞれの特徴の進化を反映していない。 本論文の重要な貢献は,航空機の飛行中に連続的に記録される大量のデータを活用するために,機械学習の利用を促進することである。
  論文  参考訳（メタデータ） (2020-05-11T17:40:17Z)

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。