論文の概要: SwarmFusion: Revolutionizing Disaster Response with Swarm Intelligence and Deep Learning

• arxiv url: http://arxiv.org/abs/2507.00005v1
• Date: Tue, 10 Jun 2025 21:11:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-07 02:47:44.371809
• Title: SwarmFusion: Revolutionizing Disaster Response with Swarm Intelligence and Deep Learning
• Title（参考訳）: SwarmFusion: Swarm Intelligenceとディープラーニングによる災害対応の革命
• Authors: Vasavi Lankipalle,
• Abstract要約: SwarmFusionは、パーティクルスウォーム最適化と畳み込みニューラルネットワークを統合し、リアルタイムリソース割り当てとパス計画を最適化する。 ライブ衛星、ドローン、センサーデータを処理することで、SwarmFusionは洪水や山火事のシナリオにおける状況認識と運用効率を高める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Disaster response requires rapid, adaptive decision-making in chaotic environments. SwarmFusion, a novel hybrid framework, integrates particle swarm optimization with convolutional neural networks to optimize real-time resource allocation and path planning. By processing live satellite, drone, and sensor data, SwarmFusion enhances situational awareness and operational efficiency in flood and wildfire scenarios. Simulations using the DisasterSim2025 dataset demonstrate up to 40 percentage faster response times and 90 percentage survivor coverage compared to baseline methods. This scalable, data-driven approach offers a transformative solution for time-critical disaster management, with potential applications across diverse crisis scenarios.
• Abstract（参考訳）: 災害対応には、カオス環境における迅速かつ適応的な意思決定が必要である。 新たなハイブリッドフレームワークであるSwarmFusionは、パーティクルスワム最適化と畳み込みニューラルネットワークを統合して、リアルタイムリソース割り当てとパス計画の最適化を行う。 ライブ衛星、ドローン、センサーデータを処理することで、SwarmFusionは洪水や山火事のシナリオにおける状況認識と運用効率を高める。 DisasterSim2025データセットを用いたシミュレーションでは、ベースライン法と比較して最大40パーセントのレスポンスタイムと90パーセントのサバイバルカバレッジが向上した。 このスケーラブルでデータ駆動型アプローチは、さまざまな危機シナリオにまたがる潜在的なアプリケーションを備えた、時間クリティカルな災害管理のための変革的なソリューションを提供する。

関連論文リスト

• Decoupled Diffusion Sparks Adaptive Scene Generation [21.879138794472194]
  制御可能なシーン生成は、自律運転のための多様なデータ収集のコストを大幅に削減する可能性がある。 以前の作業では、トラフィックレイアウト生成を予測進行として、全シーケンスを一度にデノイングするか、あるいは次のフレームを反復的に予測することで定式化している。 Nexusは、日常シナリオと課題シナリオの両方をシミュレートすることで、反応性と目標条件を改善する、分離されたシーン生成フレームワークである。
  論文  参考訳（メタデータ） (2025-04-14T17:59:57Z)
• Global-Decision-Focused Neural ODEs for Proactive Grid Resilience Management [50.34345101758248]
  本稿では,機能停止予測とグローバルに最適化された介入を統合するフレームワークPATOGを提案する。 提案手法は,空間的かつ時間的に整合性のある意思決定を保証し,予測精度と操作効率を両立させる。 合成および実世界のデータセットの実験では、停止予測一貫性とグリッドレジリエンスが大幅に改善された。
  論文  参考訳（メタデータ） (2025-02-25T16:15:35Z)
• Generalizable Spacecraft Trajectory Generation via Multimodal Learning with Transformers [14.176630393074149]
  本稿では,様々な問題構成にまたがって一般化する新しいトラジェクトリ生成フレームワークを提案する。 我々は、データソースから学習できる高容量トランスフォーマーニューラルネットワークを活用している。 このフレームワークはフリーフライアプラットフォームでのシミュレーションと実験を通じて検証されている。
  論文  参考訳（メタデータ） (2024-10-15T15:55:42Z)
• ReGentS: Real-World Safety-Critical Driving Scenario Generation Made Stable [88.08120417169971]
  機械学習に基づく自律運転システムは、現実世界のデータでは稀な安全クリティカルなシナリオで課題に直面していることが多い。 この研究は、軌道最適化によって複雑な現実世界の通常のシナリオを変更することによって、安全クリティカルな運転シナリオを生成することを検討する。 提案手法は、頑健なプランナーの訓練には役に立たない非現実的な発散軌道と避けられない衝突シナリオに対処する。
  論文  参考訳（メタデータ） (2024-09-12T08:26:33Z)
• Analysis and Optimization of Wireless Federated Learning with Data Heterogeneity [72.85248553787538]
  本稿では、データの不均一性を考慮した無線FLの性能解析と最適化と、無線リソース割り当てについて述べる。 ロス関数の最小化問題を、長期エネルギー消費と遅延の制約の下で定式化し、クライアントスケジューリング、リソース割り当て、ローカルトレーニングエポック数(CRE)を共同で最適化する。 実世界のデータセットの実験により、提案アルゴリズムは学習精度とエネルギー消費の点で他のベンチマークよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-04T04:18:01Z)
• Research on Self-adaptive Online Vehicle Velocity Prediction Strategy Considering Traffic Information Fusion [33.78486808705356]
  一般回帰ニューラルネットワーク(GRNN)のアルゴリズムは、交通シナリオにおいて、エゴ車両、前面車両、信号機のデータセットと組み合わせられた。 都市や高速道路のシナリオでは、従来のGRNN VVP戦略と比較して予測精度が27.8%、54.5%向上する。
  論文  参考訳（メタデータ） (2022-10-07T08:42:54Z)
• A Machine learning approach for rapid disaster response based on multi-modal data. The case of housing & shelter needs [0.0]
  災害に遭った人々の最も直接的なニーズの1つは避難所を見つけることである。 本稿では,マルチモーダルデータの融合と解析を目的とした機械学習ワークフローを提案する。 世界中の200以上の災害に対する19の特徴のデータベースに基づいて、意思決定レベルでの融合アプローチが用いられた。
  論文  参考訳（メタデータ） (2021-07-29T18:22:34Z)
• Rapidly adapting robot swarms with Swarm Map-based Bayesian Optimisation [1.0152838128195467]
  予期せぬ環境破壊からの迅速なパフォーマンス回復は、群れロボティクスにおける大きな課題です。 この課題を解決するために,制御器のアーカイブを検索して潜在的な回復ソリューションを探索する行動適応手法を提案する。 2つのアルゴリズムを提案する: (i)swarm map-based optimization (smbo) 1つのコントローラを一度に選択・評価し、一様swarmに対して一元的に一元的に評価するアルゴリズムと、(ii)swarm map-based optimisation decentralized (smbo-dec) という非同期バッチベースのベイズ最適化を実行するアルゴリズムである。
  論文  参考訳（メタデータ） (2020-12-21T15:54:37Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)
• Meta-Reinforcement Learning for Trajectory Design in Wireless UAV Networks [151.65541208130995]
  ドローン基地局(DBS)は、要求が動的で予測不可能な地上ユーザーへのアップリンク接続を提供するために派遣される。 この場合、DBSの軌道は動的ユーザアクセス要求を満たすように適応的に調整されなければならない。 新たな環境に遭遇したDBSの軌道に適応するために,メタラーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-25T20:43:59Z)

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。