論文の概要: PRIME: A CyberGIS Platform for Resilience Inference Measurement and Enhancement
- arxiv url: http://arxiv.org/abs/2404.09463v1
- Date: Mon, 15 Apr 2024 05:14:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-16 13:29:14.427202
- Title: PRIME: A CyberGIS Platform for Resilience Inference Measurement and Enhancement
- Title(参考訳): PRIME:レジリエンス推論測定と強化のためのCyberGISプラットフォーム
- Authors: Debayan Mandal, Dr. Lei Zou, Rohan Singh Wilkho, Joynal Abedin, Bing Zhou, Dr. Heng Cai, Dr. Furqan Baig, Dr. Nasir Gharaibeh, Dr. Nina Lam,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.4716925415659332
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In an era of increased climatic disasters, there is an urgent need to develop reliable frameworks and tools for evaluating and improving community resilience to climatic hazards at multiple geographical and temporal scales. Defining and quantifying resilience in the social domain is relatively subjective due to the intricate interplay of socioeconomic factors with disaster resilience. Meanwhile, there is a lack of computationally rigorous, user-friendly tools that can support customized resilience assessment considering local conditions. This study aims to address these gaps through the power of CyberGIS with three objectives: 1) To develop an empirically validated disaster resilience model - Customized Resilience Inference Measurement designed for multi-scale community resilience assessment and influential socioeconomic factors identification, 2) To implement a Platform for Resilience Inference Measurement and Enhancement module in the CyberGISX platform backed by high-performance computing, 3) To demonstrate the utility of PRIME through a representative study. CRIM generates vulnerability, adaptability, and overall resilience scores derived from empirical hazard parameters. Computationally intensive Machine Learning methods are employed to explain the intricate relationships between these scores and socioeconomic driving factors. PRIME provides a web-based notebook interface guiding users to select study areas, configure parameters, calculate and geo-visualize resilience scores, and interpret socioeconomic factors shaping resilience capacities. A representative study showcases the efficiency of the platform while explaining how the visual results obtained may be interpreted. The essence of this work lies in its comprehensive architecture that encapsulates the requisite data, analytical and geo-visualization functions, and ML models for resilience assessment.
- Abstract(参考訳): 気候災害の増加期には、複数の地理的・時間的規模で、気候の危険に対するコミュニティのレジリエンスを評価し改善するための信頼性の高いフレームワークやツールを開発する必要がある。
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。
一方、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を目的とする。
1) 大規模地域社会のレジリエンス評価と社会経済的要因の同定のためのカスタムレジリエンス推論計測を実証的に検証した災害レジリエンスモデルの開発
2)高性能コンピューティングを基盤としたCyberGISXプラットフォームにおけるレジリエンス推論計測・拡張モジュールの実装。
3)代表的研究によるPRIMEの有用性の実証。
CRIMは、経験的ハザードパラメータから得られる脆弱性、適応性、総合的なレジリエンススコアを生成する。
これらのスコアと社会経済的要因の複雑な関係を説明するために,計算集約型機械学習手法が用いられている。
PRIMEは、ユーザーが研究領域を選択し、パラメータを設定し、レジリエンススコアを計算し、ジオビジュアル化し、レジリエンス能力を形成する社会経済的要因を解釈するためのウェブベースのノートブックインターフェースを提供する。
代表的な研究では、得られた視覚結果がどのように解釈されるかを説明しながら、プラットフォームの効率性を示す。
この研究の本質は、必要なデータ、解析的および地理的視覚化関数、レジリエンス評価のためのMLモデルをカプセル化する包括的なアーキテクチャにある。
関連論文リスト
- Mitigating Reward Hacking via Information-Theoretic Reward Modeling [70.26019860948114]
本稿では,報酬モデリングのための汎用的で堅牢なフレームワークであるInfoRMを提案する。
我々は,潜伏空間における過最適化と外れ値の相関を同定し,報酬過最適化を検出するための有望なツールとしてInfoRMを確立した。
論文 参考訳(メタデータ) (2024-02-14T17:49:07Z) - Deep Learning-driven Community Resilience Rating based on Intertwined
Socio-Technical Systems Features [4.295013129588405]
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。
論文 参考訳(メタデータ) (2023-11-03T01:50:36Z) - Optimal Learners for Realizable Regression: PAC Learning and Online
Learning [56.192740509339565]
本研究では,PAC学習環境とオンライン学習環境の両方において,実現可能な回帰の統計的複雑さを特徴付けることを目的とする。
まず,再現可能な回帰のためのミニマックスインスタンス最適学習器を導入し,実数値予測器のどのクラスが学習可能であるかを質的かつ定量的に特徴付ける新しい次元を提案する。
オンライン学習の文脈では、最小の最適インスタンス最適累積損失を一定要素まで特徴付ける次元を提供し、再現可能な回帰のための最適オンライン学習者を設計する。
論文 参考訳(メタデータ) (2023-07-07T21:39:25Z) - Predicting Hurricane Evacuation Decisions with Interpretable Machine
Learning Models [0.0]
本研究では,容易にアクセス可能な人口動態と資源関連予測器によって構築された世帯の避難決定を予測するための新しい手法を提案する。
提案手法は,避難交通需要の推計を改善するため,緊急管理当局に新たなツールと枠組みを提供する可能性がある。
論文 参考訳(メタデータ) (2023-03-12T03:45:44Z) - Application of Clustering Algorithms for Dimensionality Reduction in
Infrastructure Resilience Prediction Models [4.350783459690612]
本稿では,高次元の問題を同時に最小化し,機械学習モデルの予測精度を向上させるクラスタリング手法を提案する。
提案手法は,インフラストラクチャネットワークの障害後復旧のための意思決定支援ツールの開発に利用できる。
論文 参考訳(メタデータ) (2022-05-06T15:51:05Z) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳(メタデータ) (2022-04-18T09:25:06Z) - Differential privacy and robust statistics in high dimensions [49.50869296871643]
高次元Propose-Test-Release (HPTR) は指数的メカニズム、頑健な統計、Propose-Test-Release メカニズムという3つの重要なコンポーネントの上に構築されている。
本論文では,HPTRが複数のシナリオで最適サンプル複雑性をほぼ達成していることを示す。
論文 参考訳(メタデータ) (2021-11-12T06:36:40Z) - Action-Sufficient State Representation Learning for Control with
Structural Constraints [21.47086290736692]
本稿では,部分的に観測可能な環境に焦点をあて,意思決定に十分な情報を収集する,最小限の状態表現の集合を学習することを提案する。
システム内の変数間の構造的関係のための生成環境モデルを構築し、ASRを特徴付けるための原則的な方法を提案する。
CarRacing と VizDoom の実証実験の結果は,ASR を政策学習に活用する上で,明らかな優位性を示している。
論文 参考訳(メタデータ) (2021-10-12T03:16:26Z) - Towards a Resilient Information System for Agriculture Extension
Information Service: An Exploratory Study [0.0]
本研究では,エチオピアの農業拡張情報サービス(AEIS)において,利害関係者がレジリエントな情報提供を確保する方法について述べる。
その結果, 堅牢性, 自己組織化, 学習, 冗長性, 迅速性, スケール, 多様性, 平等性のメカニズムが示された。
本研究は,地域情報提供実践の分析におけるISレジリエンスフレームワークの適用に関する議論に寄与する。
論文 参考訳(メタデータ) (2021-08-22T15:10:01Z) - Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。
また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文 参考訳(メタデータ) (2020-12-01T11:46:03Z) - Accurate and Robust Feature Importance Estimation under Distribution
Shifts [49.58991359544005]
PRoFILEは、新しい特徴重要度推定法である。
忠実さと頑健さの両面で、最先端のアプローチよりも大幅に改善されていることを示す。
論文 参考訳(メタデータ) (2020-09-30T05:29:01Z)
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。