論文の概要: Multi-Agent Based Transfer Learning for Data-Driven Air Traffic Applications

• arxiv url: http://arxiv.org/abs/2401.14421v1
• Date: Tue, 23 Jan 2024 22:21:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-04 05:33:15.712736
• Title: Multi-Agent Based Transfer Learning for Data-Driven Air Traffic Applications
• Title（参考訳）: データ駆動型航空交通アプリケーションのためのマルチエージェントベーストランスファー学習
• Authors: Chuhao Deng and Hong-Cheol Choi and Hyunsang Park and Inseok Hwang
• Abstract要約: 本稿では、ATMシステムのマルチエージェント特性を完全に考慮し、航空交通管制官の判断を学習する、MA-BERT(Multi-Agent Bidirectional Representations from Transformers)モデルを提案する。 MA-BERTを主要空港からの大規模なデータセットで事前訓練し、それを他の空港や特定の航空交通用途に微調整することで、トレーニング時間を大幅に節約することができる。
• 参考スコア（独自算出の注目度）: 1.588400000775528
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research in developing data-driven models for Air Traffic Management (ATM) has gained a tremendous interest in recent years. However, data-driven models are known to have long training time and require large datasets to achieve good performance. To address the two issues, this paper proposes a Multi-Agent Bidirectional Encoder Representations from Transformers (MA-BERT) model that fully considers the multi-agent characteristic of the ATM system and learns air traffic controllers' decisions, and a pre-training and fine-tuning transfer learning framework. By pre-training the MA-BERT on a large dataset from a major airport and then fine-tuning it to other airports and specific air traffic applications, a large amount of the total training time can be saved. In addition, for newly adopted procedures and constructed airports where no historical data is available, this paper shows that the pre-trained MA-BERT can achieve high performance by updating regularly with little data. The proposed transfer learning framework and MA-BERT are tested with the automatic dependent surveillance-broadcast data recorded in 3 airports in South Korea in 2019.
• Abstract（参考訳）: 航空交通管理(ATM)のデータ駆動モデルの開発に関する研究は近年大きな関心を集めている。 しかし、データ駆動モデルは長いトレーニング時間を持ち、優れたパフォーマンスを達成するために大きなデータセットを必要とすることが知られている。 本稿では,ATMシステムのマルチエージェント特性を完全に考慮し,航空交通管制官の判断を学習するマルチエージェント双方向エンコーダ表現(MA-BERT)モデルと,事前学習および微調整によるトランスファー学習フレームワークを提案する。 MA-BERTを主要空港からの大規模なデータセットで事前訓練し、それを他の空港や特定の航空交通用途に微調整することで、トレーニング時間を大幅に節約することができる。 また, 歴史的資料が得られない新方式や建設空港において, 事前学習したMA-BERTは, 少ないデータで定期的に更新することで高い性能が得られることを示す。 提案した転送学習フレームワークとMA-BERTは、2019年に韓国の3つの空港で記録された自動監視ブロードキャストデータを用いてテストされている。

関連論文リスト

• Amelia: A Large Model and Dataset for Airport Surface Movement Forecasting [12.684598713362007]
  Amelia-48 は System Wide Information Management (SWIM) Surface Movement Event Service (SMES) を用いて収集された大規模な表面運動データセットである。 Amelia-TFは、292日間にトレーニングされた、トランスフォーマーに基づく大規模マルチエージェントマルチエージェントトラジェクトリ予測モデルである。 未確認の空港では、異なる予測水平線長、エゴエージェント選択戦略、トレーニングレシピを示す実験が実施されている。
  論文  参考訳（メタデータ） (2024-07-30T20:50:48Z)
• Deep Reinforcement Learning for Real-Time Ground Delay Program Revision and Corresponding Flight Delay Assignments [24.09560293826079]
  地上遅延プログラム(英語: Ground Delay Programs, GDP)は、航空交通管理(ATM)において、空港における容量の調整と不一致の要求に使用される一般的な交通管理イニシアチブである。 動作クローン(BC)と保守的Qラーニング(CQL)という2つのRLモデルを開発した。 これらのモデルは、地上および空中遅延と終端領域の混雑を統合した洗練された報酬関数を利用することで、GDP効率を向上させるように設計されている。
  論文  参考訳（メタデータ） (2024-05-14T03:48:45Z)
• Forging Vision Foundation Models for Autonomous Driving: Challenges, Methodologies, and Opportunities [59.02391344178202]
  ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。 総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。 本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
  論文  参考訳（メタデータ） (2024-01-16T01:57:24Z)
• Big data-driven prediction of airspace congestion [40.02298833349518]
  国立航空宇宙システム(NAS)内の特定の空域セクターの航空機数を正確に予測する新しいデータ管理・予測システムを提案する。 前処理ステップでは、システムは受信した生データを処理し、それをコンパクトなサイズに減らし、コンパクトなデータベースに格納する。 予測段階において、システムは歴史的軌跡から学習し、そのセグメントを使用して、セクター境界交差、気象パラメータ、その他の航空交通データなどの重要な特徴を収集する。
  論文  参考訳（メタデータ） (2023-10-13T09:57:22Z)
• Online Evolutionary Neural Architecture Search for Multivariate Non-Stationary Time Series Forecasting [72.89994745876086]
  本研究は、オンラインニューロ進化に基づくニューラルアーキテクチャサーチ(ONE-NAS)アルゴリズムを提案する。 ONE-NASは、オンライン予測タスクのためにリカレントニューラルネットワーク(RNN)を自動設計し、動的にトレーニングする新しいニューラルネットワーク探索手法である。 その結果、ONE-NASは従来の統計時系列予測法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-20T22:25:47Z)
• Deep Reinforcement Learning Assisted Federated Learning Algorithm for Data Management of IIoT [82.33080550378068]
  産業用IoT(Industrial Internet of Things)の継続的な拡大により、IIoT機器は毎回大量のユーザデータを生成する。 IIoTの分野で、これらの時系列データを効率的かつ安全な方法で管理する方法は、依然として未解決の問題である。 本稿では,無線ネットワーク環境におけるIIoT機器データ管理におけるFL技術の適用について検討する。
  論文  参考訳（メタデータ） (2022-02-03T07:12:36Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• A Simplified Framework for Air Route Clustering Based on ADS-B Data [0.0]
  本稿では,ADS-Bデータに基づく空港間の典型的な航空路の検出を支援する枠組みを提案する。 実のところ,エアフロー最適化の計算コストを実質的に低減するために,我々の枠組みを考慮に入れることができる。
  論文  参考訳（メタデータ） (2021-07-07T08:55:31Z)
• Spatio-Temporal Data Mining for Aviation Delay Prediction [15.621546618044173]
  本研究では,商業飛行における長期記憶ネットワーク(LSTM)に基づく航空機遅延予測システムを提案する。 このシステムは、自動監視放送(ADS-B)メッセージから歴史的軌跡から学習する。 従来と比べ,大規模なハブ空港ではより堅牢で正確であることが実証された。
  論文  参考訳（メタデータ） (2021-03-20T18:37:06Z)
• SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
  本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。 エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
  論文  参考訳（メタデータ） (2020-07-26T08:17:10Z)
• Taurus: A Data Plane Architecture for Per-Packet ML [59.1343317736213]
  本稿では,線数推論のためのデータプレーンであるTaurusの設計と実装について述べる。 Taurus スイッチ ASIC の評価は,Taurus がサーバベースコントロールプレーンよりも桁違いに高速に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-12T09:18:36Z)

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。