論文の概要: Opportunistic Air Quality Monitoring and Forecasting with Expandable Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2307.15916v1
• Date: Sat, 29 Jul 2023 07:17:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-01 18:45:58.266236
• Title: Opportunistic Air Quality Monitoring and Forecasting with Expandable Graph Neural Networks
• Title（参考訳）: 拡張可能なグラフニューラルネットワークによる大気質モニタリングと予測
• Authors: Jingwei Zuo, Wenbin Li, Michele Baldo and Hakim Hacid
• Abstract要約: 本稿では,既存および新たに追加されたインフラから収集したデータをダイジェストする拡張可能なグラフアテンションネットワーク(EGAT)モデルを提案する。 この提案は、PurpleAirの実際の空気品質データに基づいて検証されている。
• 参考スコア（独自算出の注目度）: 2.969574053459335
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Air Quality Monitoring and Forecasting has been a popular research topic in recent years. Recently, data-driven approaches for air quality forecasting have garnered significant attention, owing to the availability of well-established data collection facilities in urban areas. Fixed infrastructures, typically deployed by national institutes or tech giants, often fall short in meeting the requirements of diverse personalized scenarios, e.g., forecasting in areas without any existing infrastructure. Consequently, smaller institutes or companies with limited budgets are compelled to seek tailored solutions by introducing more flexible infrastructures for data collection. In this paper, we propose an expandable graph attention network (EGAT) model, which digests data collected from existing and newly-added infrastructures, with different spatial structures. Additionally, our proposal can be embedded into any air quality forecasting models, to apply to the scenarios with evolving spatial structures. The proposal is validated over real air quality data from PurpleAir.
• Abstract（参考訳）: 近年,大気汚染モニタリングと予測が研究の話題となっている。 近年, 都市部におけるデータ収集施設の整備により, 大気質予測へのデータ駆動型アプローチが注目されている。 固定インフラストラクチャは通常、国立研究所やit巨人によってデプロイされるが、既存のインフラのない地域での予測など、多様なパーソナライズされたシナリオの要件を満たすために不足することが多い。 その結果、予算の少ない小規模機関や企業では、データ収集により柔軟なインフラを導入することで、調整されたソリューションを求めることを余儀なくされる。 本稿では,既存および新たに付加されたインフラから収集したデータを異なる空間構造でダイジェストする拡張可能なグラフアテンションネットワーク(EGAT)モデルを提案する。 さらに,提案手法を空気質予測モデルに組み込むことにより,空間構造を進化させるシナリオに適用することができる。 この提案は、purpleairの実際の空気質データに基づいて検証される。

関連論文リスト

• Tackling Data Heterogeneity in Federated Time Series Forecasting [61.021413959988216]
  時系列予測は、エネルギー消費予測、病気の伝染モニタリング、天気予報など、様々な実世界の応用において重要な役割を果たす。 既存のほとんどのメソッドは、分散デバイスから中央クラウドサーバに大量のデータを収集する、集中的なトレーニングパラダイムに依存しています。 本稿では,情報合成データを補助的知識キャリアとして生成することにより,データの均一性に対処する新しいフレームワークであるFed-TRENDを提案する。
  論文  参考訳（メタデータ） (2024-11-24T04:56:45Z)
• Enhancing Data Quality in Federated Fine-Tuning of Foundation Models [54.757324343062734]
  本稿では,基礎モデルのファインチューニングのためのデータ品質制御パイプラインを提案する。 このパイプラインは、トレーニングデータの質を反映したスコアを計算し、統一された標準のグローバルしきい値を決定する。 実験の結果,提案した品質制御パイプラインはモデルトレーニングの有効性と信頼性を向上し,性能が向上することが示された。
  論文  参考訳（メタデータ） (2024-03-07T14:28:04Z)
• 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)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• A Framework for Scalable Ambient Air Pollution Concentration Estimation [0.0]
  英国では大気汚染が重要な問題であり、大気汚染濃度のデータが大気質の改善を目的とした介入の基礎となっている。 欠落した測度を埋めることにより,時間的・空間的データギャップに対処するデータ駆動型機械学習モデルフレームワークを提案する。 このアプローチは、2018年を通してイングランドの包括的なデータセットを1kmx1kmの時間分解能で提供する。
  論文  参考訳（メタデータ） (2024-01-16T18:03:07Z)
• 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)
• Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
  本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。 本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
  論文  参考訳（メタデータ） (2023-01-04T05:19:33Z)
• Toward Foundation Models for Earth Monitoring: Proposal for a Climate Change Benchmark [95.19070157520633]
  近年の自己スーパービジョンの進歩は、大量の教師なしデータ上で大規模なニューラルネットワークを事前訓練することで、下流タスクの一般化が著しく増加することを示している。 基礎モデルとして最近作られたそのようなモデルは、自然言語処理の分野に転換してきた。 気候変動に関連する様々な下流タスクからなる新しいベンチマークを開発することを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:38:19Z)
• Mining atmospheric data [0.0]
  最初の問題は、新しい公開データセットとベンチマークの構築に関するものだ。 第2の課題は、大気データ分類のための深層学習手法の調査である。 対象とする用途は、空気質の評価と予測である。
  論文  参考訳（メタデータ） (2021-06-26T10:04:35Z)
• 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)

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。