Fugu-MT 論文翻訳(概要): Infrastructure Ombudsman: Mining Future Failure Concerns from Structural Disaster Response

論文の概要: Infrastructure Ombudsman: Mining Future Failure Concerns from Structural Disaster Response

arxiv url: http://arxiv.org/abs/2402.13528v2
Date: Thu, 22 Feb 2024 02:50:41 GMT
ステータス: 処理完了
システム内更新日: 2024-02-23 11:42:03.118601
Title: Infrastructure Ombudsman: Mining Future Failure Concerns from Structural Disaster Response
Title（参考訳）: インフラストラクチャー・アンバウズマン:構造的災害対応による今後の失敗
Authors: Md Towhidul Absar Chowdhury, Soumyajit Datta, Naveen Sharma, Ashiqur R. KhudaBukhsh
Abstract要約: 我々は、特定のインフラの懸念を自動的に検知するインフラストラクチャ・ボンボースマンを開発した。 Reddit と YouTube から抽出した新しいタスクに対して,2662 のソーシャル Web インスタンスのファースト・オブ・ザ・キンドデータセットを提示する。
参考スコア（独自算出の注目度）: 11.456416081243654
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Current research concentrates on studying discussions on social media related to structural failures to improve disaster response strategies. However, detecting social web posts discussing concerns about anticipatory failures is under-explored. If such concerns are channeled to the appropriate authorities, it can aid in the prevention and mitigation of potential infrastructural failures. In this paper, we develop an infrastructure ombudsman -- that automatically detects specific infrastructure concerns. Our work considers several recent structural failures in the US. We present a first-of-its-kind dataset of 2,662 social web instances for this novel task mined from Reddit and YouTube.
Abstract（参考訳）: 現在の研究は、災害対応戦略を改善するための構造的失敗に関連するソーシャルメディアの議論に焦点を当てている。しかし、予想的失敗に関する懸念を論じるソーシャルweb投稿の検出は、未検討である。このような懸念が適切な当局に伝達されれば、潜在的なインフラ障害の予防と緩和を支援することができる。本稿では,インフラの特定の問題を自動的に検出するインフラストラクチャ・ボンボースマンを開発する。我々の研究は、米国における最近のいくつかの構造的失敗を考察している。 Reddit と YouTube から抽出した新しいタスクに対して,2662 のソーシャル Web インスタンスのファースト・オブ・ザ・キンドデータセットを提示する。

関連論文リスト

Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
論文参考訳（メタデータ） (2024-11-15T08:09:28Z)
CrisisSense-LLM: Instruction Fine-Tuned Large Language Model for Multi-label Social Media Text Classification in Disaster Informatics [49.2719253711215]
本研究では,事前学習型大規模言語モデル(LLM)の強化による災害テキスト分類への新たなアプローチを提案する。本手法では,災害関連ツイートから包括的インストラクションデータセットを作成し,それをオープンソース LLM の微調整に用いる。この微調整モデルでは,災害関連情報の種類,情報化,人的援助の関与など,複数の側面を同時に分類することができる。
論文参考訳（メタデータ） (2024-06-16T23:01:10Z)
Weaponizing Disinformation Against Critical Infrastructures [0.18749305679160366]
偽情報(disinformation)は、社会的な議論を支配しており、その有害な影響はより明確になっている。1月6日の米国議会議事堂攻撃やロヒンギャ虐殺のようなエピソードは、この現象がいかに武器化されたかを実証している。本稿では,送電網を含む仮説シナリオ,交通管理への攻撃,XZ Utilsバックドアの3つのケーススタディを提示することにより,このギャップに対処する。
論文参考訳（メタデータ） (2024-06-13T09:51:46Z)
CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
論文参考訳（メタデータ） (2023-10-23T07:01:09Z)
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)
IIVA: A Simulation Based Generalized Framework for Interdependent Infrastructure Vulnerability Assessment [0.0]
本稿では,新たなインフラストラクチャ脆弱性評価フレームワークを提案する。コンポーネントの初期失敗率が高いほど、インフラストラクチャの脆弱性が大きくなることが観察された。
論文参考訳（メタデータ） (2022-12-13T20:37:03Z)
PreDisM: Pre-Disaster Modelling With CNN Ensembles for At-Risk Communities [0.32228025627337864]
本稿では,ResNetのアンサンブルと決定木上の完全連結層を用いて人造構造物の弱点を正確に推定するPreDisMを提案する。本モデルは,災害のタイプをまたいだ調整に応答し,プリエンプティブ・ハザード・ダメージ・モデリングの空間を浮き彫りにする。
論文参考訳（メタデータ） (2021-12-26T23:48:23Z)
Disaster mapping from satellites: damage detection with crowdsourced point labels [4.511561231517167]
災害直後の高解像度衛星画像は、応答計画に不可欠である。このスケールでのダメージマッピングには、何百人もの熟練した個人時間が必要です。クラウドソーシングと最近のディープラーニングの進歩は、数時間のリアルタイム実行に必要な労力を減らす。
論文参考訳（メタデータ） (2021-11-05T18:32:22Z)
Mapping Network States Using Connectivity Queries [64.93225229494976]
供給ノードから到達可能なノードのサンプルがあれば、インフラストラクチャネットワークのすべての障害コンポーネントを推測できますか? この新しい問題を最小記述長(MDL)原理を用いて定式化する。本アルゴリズムは,地震後の実ネットワークのドメインエキスパートシミュレーションにより評価する。
論文参考訳（メタデータ） (2020-12-07T02:04:33Z)
Adversarial Attack and Defense of Structured Prediction Models [58.49290114755019]
本論文では,NLPにおける構造化予測タスクに対する攻撃と防御について検討する。構造化予測モデルの構造化出力は、入力中の小さな摂動に敏感である。本稿では,シーケンス・ツー・シーケンス・モデルを用いて,構造化予測モデルへの攻撃を学習する,新規で統一的なフレームワークを提案する。
論文参考訳（メタデータ） (2020-10-04T15:54:03Z)
RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。