論文の概要: Power Plant Detection for Energy Estimation using GIS with Remote Sensing, CNN & Vision Transformers

• arxiv url: http://arxiv.org/abs/2412.04986v1
• Date: Fri, 06 Dec 2024 12:15:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:57:08.948056
• Title: Power Plant Detection for Energy Estimation using GIS with Remote Sensing, CNN & Vision Transformers
• Title（参考訳）: リモートセンシング, CNN, ビジョン変換器を用いたGISによる発電プラントのエネルギー推定
• Authors: Blessing Austin-Gabriel, Cristian Noriega Monsalve, Aparna S. Varde,
• Abstract要約: 本稿では,CNN(Convolutional Neural Networks)とViT(Vision Transformers)による遠隔センシング機能を備えたGISをパイプライン化することで,エネルギー推定アプリケーションを支援するハイブリッドモデルを提案する。 提案手法は,GISを介して共通マップ上の複数のデータ型をリアルタイムに解析し,CNNによる特徴抽出機能を実現する。
• 参考スコア（独自算出の注目度）: 1.563479906200713
• License:
• Abstract: In this research, we propose a hybrid model for power plant detection to assist energy estimation applications, by pipelining GIS (Geographical Information Systems) having Remote Sensing capabilities with CNN (Convolutional Neural Networks) and ViT (Vision Transformers). Our proposed approach enables real-time analysis with multiple data types on a common map via the GIS, entails feature-extraction abilities due to the CNN, and captures long-range dependencies through the ViT. This hybrid approach is found to enhance classification, thus helping in the monitoring and operational management of power plants; hence assisting energy estimation and sustainable energy planning in the future. It exemplifies adequate deployment of machine learning methods in conjunction with domain-specific approaches to enhance performance.
• Abstract（参考訳）: 本研究では,CNN (Convolutional Neural Networks) と ViT (Vision Transformers) による遠隔センシング機能を備えたGIS (Geographical Information Systems) をパイプライン化することにより,エネルギー推定アプリケーションを支援するハイブリッドモデルを提案する。 提案手法は,GISを介して共通マップ上の複数のデータ型をリアルタイムに解析し,CNNによる特徴抽出機能を実現する。 このハイブリッドアプローチは、分類を強化し、発電所の監視と運用管理を支援し、将来のエネルギー推定と持続可能なエネルギー計画を支援する。 これは、パフォーマンスを高めるために、ドメイン固有のアプローチと組み合わせて、機械学習メソッドの適切なデプロイを実証する。

関連論文リスト

• Geoinformatics-Guided Machine Learning for Power Plant Classification [5.860728917811881]
  本稿では,知識誘導機械学習(KGML)分野におけるアプローチを提案する。 CNN (Convolutional Neural Networks) と ViT (Vision Transformers) とGIS (Geographic Information Systems) で構成されている。
  論文  参考訳（メタデータ） (2025-02-03T04:19:45Z)
• Evaluation of Bio-Inspired Models under Different Learning Settings For Energy Efficiency in Network Traffic Prediction [0.0]
  本研究では,SNN(Spike Neural Networks)とESN(Reservoir Computing through Echo State Networks)の2つのバイオインスパイアモデルの可能性について検討した。 評価は予測性能とエネルギー効率の両方に焦点を当てている。
  論文  参考訳（メタデータ） (2024-12-23T13:35:53Z)
• SAfEPaTh: A System-Level Approach for Efficient Power and Thermal Estimation of Convolutional Neural Network Accelerator [4.1221717424687165]
  本稿では,タイル型CNN加速器の電力と温度を正確に推定するシステムレベルのアプローチであるSAfEPaThを紹介する。 定常シナリオと過渡状態シナリオの両方に対処することにより、SAfEPaThは、層間パイプラインにおけるパイプラインバブルの動的効果を効果的にキャプチャする。
  論文  参考訳（メタデータ） (2024-07-24T20:29:52Z)
• A Survey of AI-Powered Mini-Grid Solutions for a Sustainable Future in Rural Communities [0.18783379094746652]
  本稿では,統計的手法,機械学習アルゴリズム,ハイブリッドアプローチなど,様々な予測モデルについてレビューする。 Prophet、NeuralProphet、N-BEATSといった公開データセットやツールをモデル実装と検証のために検討している。 この調査は、将来の研究への推奨で締めくくられ、モデル適応と現実世界のアプリケーションへの最適化における課題に対処する。
  論文  参考訳（メタデータ） (2024-07-17T20:23:38Z)
• SafePowerGraph: Safety-aware Evaluation of Graph Neural Networks for Transmission Power Grids [55.35059657148395]
  我々は,電力システム(PS)におけるグラフニューラルネットワーク(GNN)のための,最初のシミュレータに依存しない,安全指向のフレームワークであるSafePowerGraphを紹介する。 SafePowerGraphは複数のPFシミュレータとOPFシミュレータを統合し、エネルギー価格の変動や電力線停止など、さまざまなシナリオでGNNのパフォーマンスを評価する。
  論文  参考訳（メタデータ） (2024-07-17T09:01:38Z)
• Non-Intrusive Electric Load Monitoring Approach Based on Current Feature Visualization for Smart Energy Management [51.89904044860731]
  我々はAIのコンピュータビジョン技術を用いて、スマートエネルギー管理のための非侵襲的な負荷監視手法を設計する。 マルチスケールの特徴抽出とアテンション機構を備えたU字型ディープニューラルネットワークを用いて,色特徴画像からすべての電気負荷を認識することを提案する。
  論文  参考訳（メタデータ） (2023-08-08T04:52:19Z)
• Evaluating Distribution System Reliability with Hyperstructures Graph Convolutional Nets [74.51865676466056]
  本稿では,グラフ畳み込みネットワークとハイパー構造表現学習フレームワークを,精度,信頼性,計算効率のよい分散グリッド計画に活用する方法を示す。 数値実験の結果,提案手法は計算効率を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2022-11-14T01:29:09Z)
• Learning Generative Vision Transformer with Energy-Based Latent Space for Saliency Prediction [51.80191416661064]
  本稿では,有意な物体検出に先立って,潜伏変数を持つ新しい視覚変換器を提案する。 ビジョントランスネットワークとエネルギーベース先行モデルの両方は、マルコフ連鎖モンテカルロによる最大推定を通じて共同で訓練される。 生成型視覚変換器により、画像から容易に画素単位の不確実性マップを得ることができ、画像から唾液濃度を予測するためのモデル信頼度を示す。
  論文  参考訳（メタデータ） (2021-12-27T06:04:33Z)
• Knowledge- and Data-driven Services for Energy Systems using Graph Neural Networks [0.9809636731336702]
  グラフニューラルネットワーク(GNN)の枠組みに基づくエネルギーシステムのためのデータおよび知識駆動型確率的グラフィカルモデルを提案する。 このモデルは、グリッドトポロジや物理制約の形で、明らかにドメイン知識をファクタリングし、スパーアーキテクチャとはるかに小さなパラメータの寸法性をもたらす。 実世界のスマートグリッドデモプロジェクトから得られた結果は、グリッドの混雑予測や市場入札サービスにどのようにGNNを使用したかを示している。
  論文  参考訳（メタデータ） (2021-03-12T13:00:01Z)
• Energy Drain of the Object Detection Processing Pipeline for Mobile Devices: Analysis and Implications [77.00418462388525]
  本稿では、移動体拡張現実(AR)クライアントのエネルギー消費と、畳み込みニューラルネットワーク(CNN)に基づく物体検出を行う際の検出遅延について、初めて詳細な実験を行った。 我々は,移動体ARクライアントのエネルギー分析を精査し,CNNによる物体検出を行う際のエネルギー消費に関するいくつかの興味深い視点を明らかにした。
  論文  参考訳（メタデータ） (2020-11-26T00:32:07Z)
• Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space [62.39318039798564]
  相関情報を利用するスケジューリング機構を提案する。 提案したメカニズムは、センサが更新を送信する頻度を決定することができる。 我々は,センサの寿命を大幅に延長できることを示した。
  論文  参考訳（メタデータ） (2020-11-19T09:53:27Z)

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。