論文の概要: A Review on Machine Learning Algorithms for Dust Aerosol Detection using Satellite Data

• arxiv url: http://arxiv.org/abs/2404.09415v1
• Date: Mon, 15 Apr 2024 02:02:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-16 13:58:36.047369
• Title: A Review on Machine Learning Algorithms for Dust Aerosol Detection using Satellite Data
• Title（参考訳）: 衛星データを用いたダストエアロゾル検出のための機械学習アルゴリズムの検討
• Authors: Nurul Rafi, Pablo Rivas,
• Abstract要約: 本稿では,衛星搭載センサを用いたダストエアロゾル調査の取り組みを概観する。 我々は、歴史的観点から、異なるデータセットと異なるセンサーを用いて、ダストエアロゾルをモデル化する最も一般的な問題をレビューした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dust storms are associated with certain respiratory illnesses across different areas in the world. Researchers have devoted time and resources to study the elements surrounding dust storm phenomena. This paper reviews the efforts of those who have investigated dust aerosols using sensors onboard of satellites using machine learning-based approaches. We have reviewed the most common issues revolving dust aerosol modeling using different datasets and different sensors from a historical perspective. Our findings suggest that multi-spectral approaches based on linear and non-linear combinations of spectral bands are some of the most successful for visualization and quantitative analysis; however, when researchers have leveraged machine learning, performance has been improved and new opportunities to solve unique problems arise.
• Abstract（参考訳）: ダストストームは、世界中の様々な地域にある特定の呼吸器疾患と関連している。 研究者は、塵嵐現象を取り巻く要素を研究するために、時間と資源を捧げてきた。 本稿では,機械学習を用いた衛星搭載センサによる塵エアロゾル調査の取り組みを概観する。 我々は、歴史的観点から、異なるデータセットと異なるセンサーを用いて、ダストエアロゾルをモデル化する最も一般的な問題をレビューした。 本研究は,スペクトル帯域の線形および非線形の組み合わせに基づくマルチスペクトルアプローチが,可視化と定量的解析において最も成功したものであることを示唆する。

関連論文リスト

• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• Assaying on the Robustness of Zero-Shot Machine-Generated Text Detectors [57.7003399760813]
  先進的なLarge Language Models (LLMs) とその特殊な変種を探索し、いくつかの方法でこの分野に寄与する。 トピックと検出性能の間に有意な相関関係が発見された。 これらの調査は、様々なトピックにまたがるこれらの検出手法の適応性と堅牢性に光を当てた。
  論文  参考訳（メタデータ） (2023-12-20T10:53:53Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• Deep Learning for Time Series Anomaly Detection: A Survey [53.83593870825628]
  時系列異常検出は、製造業や医療を含む幅広い研究分野や応用に応用されている。 時系列の大規模かつ複雑なパターンにより、研究者は異常パターンを検出するための特別な深層学習モデルを開発するようになった。 本調査は,ディープラーニングを用いた構造化および総合的時系列異常検出モデルの提供に焦点を当てる。
  論文  参考訳（メタデータ） (2022-11-09T22:40:22Z)
• Supervised classification methods applied to airborne hyperspectral images: Comparative study using mutual information [0.0]
  本稿では,SVM,Random Forest RF,K-Nearest Neighbors KNN,Linear Discriminant Analysis LDAの4つの教師付き学習アルゴリズムの性能について検討する。 実験は、NASAの空中可視/赤外線イメージング分光計センサーAVIRISと反射光学系イメージング分光計ROSISセンサーから得られた3つの実際のハイパースペクトルデータセットで実施された。
  論文  参考訳（メタデータ） (2022-10-27T13:39:08Z)
• A Multibranch Convolutional Neural Network for Hyperspectral Unmixing [33.10103896300028]
  本研究では, 混合過程におけるスペクトル, 空間, スペクトル空間特徴の融合によるマルチブランチ畳み込みニューラルネットワークを提案する。 我々の手法は文献の他者より優れており、高い品質の分数推定につながる。
  論文  参考訳（メタデータ） (2022-08-03T21:59:03Z)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• 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)
• End-to-End Intelligent Framework for Rockfall Detection [1.8594711725515676]
  岩石の検出は地質学の分野で重要な手順であり、関連するリスクを減らすのに役立ちます。 現在、地質学者は、地球レーザースキャナーやデジタルカメラなどのさまざまなキャプションデバイスから得られたポイントクラウドと画像データを使用して、ほぼ手動で岩石のイベントを特定します。 本稿では,この課題に対処し,ドメイン地質と意思決定支援システムの交点で働く個人に対して,ロックフォールイベント検出のためのインテリジェントなフレームワークを提供する。
  論文  参考訳（メタデータ） (2021-02-12T12:48:17Z)
• Smart Anomaly Detection in Sensor Systems: A Multi-Perspective Review [0.0]
  異常検出は、期待される振る舞いから著しく逸脱するデータパターンを特定することに関わる。 データ分析からe-health、サイバーセキュリティ、予測メンテナンス、障害防止、産業自動化に至るまで、幅広いアプリケーション領域があるため、これは重要な研究課題である。 本稿では,センサシステムの特定の領域における異常検出に使用される最先端手法について概説する。
  論文  参考訳（メタデータ） (2020-10-27T09:56:16Z)

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。