論文の概要: Aircraft Trajectory Dataset Augmentation in Latent Space

• arxiv url: http://arxiv.org/abs/2506.07585v1
• Date: Mon, 09 Jun 2025 09:29:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:10.892472
• Title: Aircraft Trajectory Dataset Augmentation in Latent Space
• Title（参考訳）: 潜在空間における航空機軌道データセットの増大
• Authors: Seokbin Yoon, Keumjin Lee,
• Abstract要約: 本稿では,航空機軌道データセット拡張のための新しいフレームワークであるATRADAを提案する。 Transformer Encoderは、元のトラジェクトリデータセットの下位パターンを学習する。 新しいサンプルは、実装されたGMMから引き出され、サンプルの寸法は元の次元に戻され、それらをマルチ層パーセプトロンで復号する。
• 参考スコア（独自算出の注目度）: 0.7596606040729639
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Aircraft trajectory modeling plays a crucial role in Air Traffic Management (ATM) and is important for various downstream tasks, including conflict detection and landing time prediction. Dataset augmentation through the addition of synthetically generated trajectory data is necessary to develop a more robust aircraft trajectory model and ensure that the trajectory dataset is sufficient and balanced. In this work, we propose a novel framework called ATRADA for aircraft trajectory dataset augmentation. In the proposed framework, a Transformer encoder learns the underlying patterns in the original trajectory dataset and converts each data point into a context vector in the learned latent space. The converted dataset in the latent space is projected into reduced dimensions using principal component analysis (PCA), and a Gaussian mixture model (GMM) is applied to fit the probability distribution of the data points in the reduced-dimensional space. Finally, new samples are drawn from the fitted GMM, the dimension of the samples is reverted to the original dimension, and they are decoded with a Multi-Layer Perceptron (MLP). Several experiments demonstrate that the framework effectively generates new, high-quality synthetic aircraft trajectory data, which were compared to the results of several baselines.
• Abstract（参考訳）: 航空機の軌道モデリングは、航空交通管理(ATM)において重要な役割を担い、コンフリクト検出や着陸時間予測など、様々な下流業務において重要である。 合成軌道データの追加によるデータセットの増大は、より堅牢な航空機軌道モデルを開発し、軌道データセットが十分かつ均衡していることを保証するために必要である。 本研究では,航空機の軌跡データセット拡張のための新しいフレームワークであるATRADAを提案する。 提案フレームワークでは,トランスフォーマーエンコーダが元のトラジェクトリデータセットの下位パターンを学習し,各データポイントを学習潜在空間のコンテキストベクトルに変換する。 潜在空間における変換されたデータセットを主成分分析(PCA)を用いて縮小次元に投影し、ガウス混合モデル(GMM)を適用して、縮小次元空間におけるデータポイントの確率分布に適合させる。 最終的に、新しいサンプルは、装着されたGMMから引き出され、サンプルの寸法は元の次元に戻され、それらをMulti-Layer Perceptron (MLP)で復号する。 いくつかの実験により、このフレームワークは、いくつかのベースラインの結果と比較された、新しい高品質な合成航空機軌道データを効果的に生成することを示した。

関連論文リスト

• Synthetic Aircraft Trajectory Generation Using Time-Based VQ-VAE [0.18416014644193066]
  時間に基づくベクトル量子変分オートエンコーダ(TimeVQVAE)を適用したトラジェクトリ合成の新しい手法を提案する。 提案手法を応用したTimeVQVAEの評価には,品質,統計,分布測定,およびオープンソースの航空交通シミュレータを用いたフライアセスメントを応用した。 その結果、TimeVQVAEは時間的畳み込みVAalEベースラインよりも優れており、精度、時間的一貫性、統計特性の点で実際の飛行データを反映する合成軌道を生成することが示唆された。
  論文  参考訳（メタデータ） (2025-04-12T06:46:51Z)
• Advancing ALS Applications with Large-Scale Pre-training: Dataset Development and Downstream Assessment [6.606615641354963]
  事前訓練と微調整のパラダイムは、衛星リモートセンシングの応用に革命をもたらした。 大規模なALSポイントクラウドデータセットを構築し、下流アプリケーションへの影響を評価する。 以上の結果から,事前学習したモデルは,ダウンストリームタスク全体において,スクラッチよりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-01-09T09:21:09Z)
• Hierarchical Features Matter: A Deep Exploration of Progressive Parameterization Method for Dataset Distillation [44.03611131165989]
  階層型生成蒸留(H-PD)と呼ばれる新しい生成パラメータ化法を提案する。 提案したH-PDは、等価な時間消費で様々な設定で大幅な性能向上を実現している。 IPC=1, IPC=10の超過圧縮比下での拡散モデルを用いて, 現在の再生蒸留を超越している。
  論文  参考訳（メタデータ） (2024-06-09T09:15:54Z)
• History Matching for Geological Carbon Storage using Data-Space Inversion with Spatio-Temporal Data Parameterization [0.0]
  データ空間インバージョン(DSI)では、履歴にマッチした興味の量は、後続のジオモデルを構築することなく直接推測される。 これは、ベイズの設定内でのO(1000)事前シミュレーション結果、データパラメータ化、および後続サンプリングのセットを用いて効率よく達成される。 新たなパラメータ化では、次元縮小のための対向オートエンコーダ(AAE)と畳み込み長短期メモリ(convLSTM)ネットワークを使用して、圧力場と飽和場の空間分布と時間的進化を表す。
  論文  参考訳（メタデータ） (2023-10-05T00:50:06Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• MV-JAR: Masked Voxel Jigsaw and Reconstruction for LiDAR-Based Self-Supervised Pre-Training [58.07391711548269]
  Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training
  論文  参考訳（メタデータ） (2023-03-23T17:59:02Z)
• Geometry-Contrastive Transformer for Generalized 3D Pose Transfer [95.56457218144983]
  この研究の直感は、与えられたメッシュ間の幾何学的不整合を強力な自己認識機構で知覚することである。 本研究では,グローバルな幾何学的不整合に対する3次元構造的知覚能力を有する新しい幾何学コントラスト変換器を提案する。 本稿では, クロスデータセット3次元ポーズ伝達タスクのための半合成データセットとともに, 潜時等尺正則化モジュールを提案する。
  論文  参考訳（メタデータ） (2021-12-14T13:14:24Z)
• TrAISformer -- A Transformer Network with Sparse Augmented Data Representation and Cross Entropy Loss for AIS-based Vessel Trajectory Prediction [9.281166430457647]
  船舶軌道予測は多くの海洋アプリケーションやサービスにおいて重要な役割を担っている。 AISデータを用いた血管軌跡の予測は、現代の機械学習技術においても困難である。 我々は、AISデータの離散的高次元表現と、異質性や多様性に明示的に対処するために設計された新しい損失関数を導入する。 TrAISformerは10海里から10時間以内の平均予測性能で最先端の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2021-09-08T22:44:33Z)
• Generating Synthetic Training Data for Deep Learning-Based UAV Trajectory Prediction [11.241614693184323]
  本稿では,無人航空機車(UAV)の合成軌道データを生成する手法を提案する。 実世界のUAV追跡データセットにおいて,RNNに基づく予測モデルが従来の参照モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2021-07-01T13:08:31Z)
• Two-Dimensional Semi-Nonnegative Matrix Factorization for Clustering [50.43424130281065]
  TS-NMFと呼ばれる2次元(2次元)データに対する新しい半負行列分解法を提案する。 前処理ステップで2次元データをベクトルに変換することで、データの空間情報に深刻なダメージを与える既存の手法の欠点を克服する。
  論文  参考訳（メタデータ） (2020-05-19T05:54:14Z)

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。