Fugu-MT 論文翻訳(概要): Massimo: Public Queue Monitoring and Management using Mass-Spring Model

論文の概要: Massimo: Public Queue Monitoring and Management using Mass-Spring Model

arxiv url: http://arxiv.org/abs/2410.16012v1
Date: Mon, 21 Oct 2024 13:43:02 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-22 13:21:47.160542
Title: Massimo: Public Queue Monitoring and Management using Mass-Spring Model
Title（参考訳）: Massimo: Mass-Springモデルによる公開キューの監視と管理
Authors: Abhijeet Kumar, Unnati Singh, Rajdeep Chatterjee, Tathagata Bandyopadhyay,
Abstract要約: 交通渋滞を回避し、顧客満足度を向上させるために、公共空間における待ち行列制御と規制の効率的なシステムが非常に重要である。本稿では、インテリジェントなシステムの統合と、公共の場所での待ち行列の効率的なシステム構築に基づく詳細なロードマップを提供する。
参考スコア（独自算出の注目度）: 14.415118075194268
License:
Abstract: An efficient system of a queue control and regulation in public spaces is very important in order to avoid the traffic jams and to improve the customer satisfaction. This article offers a detailed road map based on a merger of intelligent systems and creating an efficient systems of queues in public places. Through the utilization of different technologies i.e. computer vision, machine learning algorithms, deep learning our system provide accurate information about the place is crowded or not and the necessary efforts to be taken.
Abstract（参考訳）: 交通渋滞を回避し、顧客満足度を向上させるために、公共空間における待ち行列制御と規制の効率的なシステムが非常に重要である。本稿では、インテリジェントなシステムの統合と、公共の場所での待ち行列の効率的なシステム構築に基づく詳細なロードマップを提供する。コンピュータビジョン、機械学習アルゴリズム、深層学習といった様々な技術を活用することで、システムは、どの場所が混み合っているか、あるいは取るべき必要な努力について正確な情報を提供する。

関連論文リスト

ALT: An Automatic System for Long Tail Scenario Modeling [15.76033166478158]
この問題に対処するために,ALTという自動システムを提案する。各種自動機械学習関連技術を活用するなど,我々のシステムで使用されるアルゴリズムを改善するために,いくつかの取り組みがなされている。システムを構築するには、システムの観点から多くの最適化が行われ、本質的なモジュールは武装している。
論文参考訳（メタデータ） (2023-05-19T02:35:39Z)
Human-in-the-Loop Large-Scale Predictive Maintenance of Workstations [89.51621054382878]
予測保守(英: Predictive maintenance, PdM)とは、システムの状態の統計的解析に基づいて、保守作業のスケジューリングを行うタスクである。本稿では,機械学習システムがワークステーションの集合における将来の問題を予測できるPdM手法を提案する。
論文参考訳（メタデータ） (2022-06-23T09:40:46Z)
Machine Learning-Based User Scheduling in Integrated Satellite-HAPS-Ground Networks [82.58968700765783]
第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
論文参考訳（メタデータ） (2022-05-27T13:09:29Z)
ASHA: Assistive Teleoperation via Human-in-the-Loop Reinforcement Learning [91.58711082348293]
オンラインユーザからのフィードバックからシステムのパフォーマンスに関する強化学習は、この問題に対する自然な解決策である。このアプローチでは、特にフィードバックが不足している場合には、ループ内の大量のトレーニングデータが必要になる傾向があります。疎いユーザフィードバックから効率的に学習する階層型ソリューションを提案する。
論文参考訳（メタデータ） (2022-02-05T02:01:19Z)
From Distributed Machine Learning to Federated Learning: A Survey [49.7569746460225]
分散学習は、分散データとコンピューティングリソースを利用するための効率的なアプローチとして現れる。本論文では,連合学習システムの機能構造と関連手法の分類法を提案する。本稿では,flシステムの分散トレーニング,データ通信,セキュリティについて述べる。
論文参考訳（メタデータ） (2021-04-29T14:15:11Z)
Applying Machine Learning in Self-Adaptive Systems: A Systematic Literature Review [15.953995937484176]
現在、自己適応システムにおける機械学習の使用に関する体系的な概要はない。我々は、従来のモニター・アナライズ・プラン・エクユートフィードバックループ(MAPE)に基づく自己適応システムに焦点を当てる。研究の質問は、自己適応システムにおける機械学習の使用を動機づける問題、自己適応における学習の重要なエンジニアリング側面、オープンな課題に焦点を当てている。
論文参考訳（メタデータ） (2021-03-06T13:45:59Z)
Adaptive Scheduling for Machine Learning Tasks over Networks [1.4271989597349055]
本論文では, 線形回帰タスクに資源を効率的に割り当てるアルゴリズムを, データのインフォマティビティ性を利用して検討する。アルゴリズムは、信頼性の高い性能保証による学習タスクの適応スケジューリングを可能にする。
論文参考訳（メタデータ） (2021-01-25T10:59:00Z)
Deep Multi-Task Learning for Joint Localization, Perception, and Prediction [68.50217234419922]
本稿では,ローカライズエラー下の最先端の自律性スタックで発生する問題について検討する。我々は,認識,予測,局所化を共同で行うシステムの設計を行う。本アーキテクチャでは,両タスク間の計算を再利用し,効率よくローカライズエラーを修正できる。
論文参考訳（メタデータ） (2021-01-17T17:20:31Z)
Automated Intersection Management with MiniZinc [0.0]
本稿では,センサのグリッドからデータを抽出し,交通信号を制御して交通の流れを最適化する自動交差点管理システムを提案する。本システムは,車両の平均待ち時間と標準偏差を低減し,デッドロックを回避する。
論文参考訳（メタデータ） (2020-11-15T12:11:05Z)
Sensing Technologies for Crowd Management, Adaptation, and Information Dissemination in Public Transportation Systems: A Review [8.946655323517094]
本稿では,モノのインターネット(IoT)に基づくリアルタイムの群集分析のための分類とセンシング技術のレビューを行う。 ICT/IoTセンシング技術によって実現された革新的なクラウド管理機能は、最先端のITSプラットフォームへのアドオンとしてインクリメンタルに実装できると想定されている。
論文参考訳（メタデータ） (2020-09-26T15:25:46Z)
Local Differential Privacy based Federated Learning for Internet of Things [72.83684013377433]
Internet of Vehicles (IoV)は、Waze、Uber、Amazon Mechanical Turkなど、さまざまなクラウドソーシングアプリケーションをシミュレートする。これらのアプリケーションのユーザは、ユーザの報告したトラフィック情報に基づいて機械学習モデルをトレーニングするクラウドサーバに、リアルタイムのトラフィック情報を報告する。本稿では,機械学習モデルを実現するためのクラウドソーシングアプリケーションを容易にするために,フェデレーション学習とローカルディファレンシャルプライバシ(LDP)を統合することを提案する。
論文参考訳（メタデータ） (2020-04-19T14:03:10Z)

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。