論文の概要: Deep Learning-driven Community Resilience Rating based on Intertwined
Socio-Technical Systems Features
- arxiv url: http://arxiv.org/abs/2311.01661v1
- Date: Fri, 3 Nov 2023 01:50:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-06 15:39:38.218199
- Title: Deep Learning-driven Community Resilience Rating based on Intertwined
Socio-Technical Systems Features
- Title（参考訳）: 相互接続型社会・技術システム機能に基づく深層学習型コミュニティレジリエンスレーティング
- Authors: Kai Yin, Ali Mostafavi
- Abstract要約: 本稿では,コミュニティレジリエンス評価のための3層深層学習モデル(Resili-Net)を提案する。
米国内の複数の大都市圏から公開されているデータを用いて、Resili-Netは空間領域のレジリエンスレベルを5つの異なるレベルに特徴付けている。
モデル結果の解釈可能性により、各レジリエンスレベル内の領域におけるレジリエンスの行列式を指定する機能解析が可能になる。
- 参考スコア（独自算出の注目度）: 4.295013129588405
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Community resilience is a complex and muti-faceted phenomenon that emerges
from complex and nonlinear interactions among different socio-technical systems
and their resilience properties. However, present studies on community
resilience focus primarily on vulnerability assessment and utilize index-based
approaches, with limited ability to capture heterogeneous features within
community socio-technical systems and their nonlinear interactions in shaping
robustness, redundancy, and resourcefulness components of resilience. To
address this gap, this paper presents an integrated three-layer deep learning
model for community resilience rating (called Resili-Net). Twelve measurable
resilience features are specified and computed within community socio-technical
systems (i.e., facilities, infrastructures, and society) related to three
resilience components of robustness, redundancy, and resourcefulness. Using
publicly accessible data from multiple metropolitan statistical areas in the
United States, Resili-Net characterizes the resilience levels of spatial areas
into five distinct levels. The interpretability of the model outcomes enables
feature analysis for specifying the determinants of resilience in areas within
each resilience level, allowing for the identification of specific resilience
enhancement strategies. Changes in community resilience profiles under urban
development patterns are further examined by changing the value of related
socio-technical systems features. Accordingly, the outcomes provide novel
perspectives for community resilience assessment by harnessing machine
intelligence and heterogeneous urban big data.
- Abstract（参考訳）: コミュニティ・レジリエンス(community resilience)は、異なる社会工学システム間の複雑で非線形な相互作用と、そのレジリエンス特性から生じる、複雑で変異した現象である。
しかし, コミュニティのレジリエンスに関する研究は, 主に脆弱性評価に焦点をあて, 指標に基づくアプローチを活用し, コミュニティ社会技術システムにおける不均一な特徴を捉える能力と, レジリエンスの堅牢性, 冗長性, リソースフルネスの構成要素を形成する上での非線形相互作用を限定した。
このギャップに対処するため,コミュニティレジリエンス評価(Resili-Net)のための3層深層学習モデルを提案する。
12の計測可能なレジリエンスの特徴は、堅牢性、冗長性、資源性の3つのレジリエンスコンポーネントに関連する社会技術システム(施設、インフラ、社会)の中で特定され、計算される。
resili-netは、米国の複数の大都市統計地域からの公開アクセスデータを使用して、空間領域のレジリエンスレベルを5つの異なるレベルに特徴付ける。
モデル結果の解釈性は、各レジリエンスレベル内の領域におけるレジリエンスの決定要因を特定するための特徴解析を可能にし、特定のレジリエンス強化戦略の特定を可能にする。
都市開発パターンにおける地域社会のレジリエンスプロファイルの変化は,関連する社会技術システムの特徴の変化によってさらに検証される。
その結果, マシンインテリジェンスと異種都市ビッグデータを活用することにより, コミュニティのレジリエンス評価の新しい視点が得られた。
関連論文リスト
- Cooperative Resilience in Artificial Intelligence Multiagent Systems [2.0608564715600273]
本稿では, 協調レジリエンスの明確な定義とその定量化手法を提案する。
その結果は、集団システムが破壊に直面してどのように準備し、抵抗し、回復し、幸福を維持し、変革するかを分析する上で、レジリエンス指標の重要な役割を強調している。
論文 参考訳（メタデータ） (2024-09-20T03:28:48Z) - PRIME: A CyberGIS Platform for Resilience Inference Measurement and Enhancement [1.4716925415659332]
社会分野でのレジリエンスの定義と定量化は、社会経済的要因と災害レジリエンスとの複雑な相互作用のため、比較的主観的である。
ローカル条件を考慮したカスタマイズされたレジリエンスアセスメントをサポートする、厳格でユーザフレンドリーなツールが不足している。
本研究の目的は,サイバーGISの力によるギャップを3つの目的で解決することである。
論文 参考訳（メタデータ） (2024-04-15T05:14:52Z) - Machine Learning-based Approach for Ex-post Assessment of Community Risk and Resilience Based on Coupled Human-infrastructure Systems Performance [2.4298177416856164]
コミュニティのリスクとレジリエンスを評価するための,機械学習に基づく手法を開発した。
テキサス州ハリス郡の2017年ハリケーン・ハーベイにおける地域社会のリスクとレジリエンス性能について検討した。
論文 参考訳（メタデータ） (2024-03-24T19:32:23Z) - The Risk of Federated Learning to Skew Fine-Tuning Features and
Underperform Out-of-Distribution Robustness [50.52507648690234]
フェデレートされた学習は、微調整された特徴をスキイングし、モデルの堅牢性を損なうリスクがある。
3つのロバスト性指標を導入し、多様なロバストデータセットで実験を行う。
提案手法は,パラメータ効率のよい微調整手法を含む多種多様なシナリオにまたがるロバスト性を著しく向上させる。
論文 参考訳（メタデータ） (2024-01-25T09:18:51Z) - Detecting Vulnerable Nodes in Urban Infrastructure Interdependent
Network [30.78792992230233]
我々は、相互依存型ネットワークを異種グラフとしてモデル化し、強化学習を用いたグラフニューラルネットワークに基づくシステムを提案する。
提案システムは,深層学習技術を活用して異種グラフを解析し,カスケード故障のリスクを把握し,都市の脆弱なインフラを発見する。
論文 参考訳（メタデータ） (2023-07-19T09:53:56Z) - Spatio-Temporal Representation Factorization for Video-based Person
Re-Identification [55.01276167336187]
本稿では、re-IDのための時空間表現分解モジュール(STRF)を提案する。
STRFはフレキシブルな新しい計算ユニットであり、re-IDのための既存のほとんどの3D畳み込みニューラルネットワークアーキテクチャと併用することができる。
実験により、STRFは様々なベースラインアーキテクチャの性能を向上し、新しい最先端の成果を示す。
論文 参考訳（メタデータ） (2021-07-25T19:29:37Z) - Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。
我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。
フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
論文 参考訳（メタデータ） (2021-04-30T12:47:52Z) - On Telecommunication Service Imbalance and Infrastructure Resource
Deployment [95.80185574417428]
本稿では,通信サービス不均衡,通信インフラ,人口分布の関係を定量的に関連付けることを目的とした,細粒度で計算が容易な不均衡指数を提案する。
また,この指標に基づいて,任意の地理的セグメントの平均不均衡指数を最小化することにより,インフラ資源の展開戦略を提案する。
論文 参考訳（メタデータ） (2021-04-08T17:45:32Z) - Stochastic Multi-Agent-Based Model to Measure Community Resilience-Part
2: Simulation Results [2.6277263675268205]
共感,協力,協調,柔軟性,経験が心の健康に及ぼす影響について検討した。
自然災害に直面する地域社会の社会的幸福度を推定するために,マルチエージェントに基づく数値的枠組みを用いた。
その結果、高いレベルの協力が個人の行動に肯定的な変化をもたらすことが示唆された。
論文 参考訳（メタデータ） (2020-04-02T01:56:20Z) - Entropy as a measure of attractiveness and socioeconomic complexity in
Rio de Janeiro metropolitan area [52.77024349608834]
携帯電話のデータセットとエントロピーに基づく測度を用いて、位置の魅力を測定する。
その結果、エントロピーによって測定された特定の位置の魅力は、その位置の社会経済的地位の重要な記述者であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T15:58:56Z) - Uncertainty Quantification for Deep Context-Aware Mobile Activity
Recognition and Unknown Context Discovery [85.36948722680822]
我々はα-βネットワークと呼ばれる深層モデルのコンテキスト認識混合を開発する。
高レベルの文脈を識別することで、精度とFスコアを10%向上させる。
トレーニングの安定性を確保するために、公開データセットと社内データセットの両方でクラスタリングベースの事前トレーニングを使用しました。
論文 参考訳（メタデータ） (2020-03-03T19:35:34Z)
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。