論文の概要: Set-Valued Transformer Network for High-Emission Mobile Source Identification

• arxiv url: http://arxiv.org/abs/2508.11976v1
• Date: Sat, 16 Aug 2025 08:30:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-19 14:49:10.492537
• Title: Set-Valued Transformer Network for High-Emission Mobile Source Identification
• Title（参考訳）: 高出力移動音源同定のためのセット値変換器ネットワーク
• Authors: Yunning Cao, Lihong Pei, Jian Guo, Yang Cao, Yu Kang, Yanlong Zhao,
• Abstract要約: 実測データでは、高エミッション状態データの比率は通常の排出状態に比べて著しく低い。 高エミッションサンプルから識別特徴の包括的学習を実現するために,Set-Valued Transformer Network (SVTN)を提案する。
• 参考スコア（独自算出の注目度）: 13.276287784989016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying high-emission vehicles is a crucial step in regulating urban pollution levels and formulating traffic emission reduction strategies. However, in practical monitoring data, the proportion of high-emission state data is significantly lower compared to normal emission states. This characteristic long-tailed distribution severely impedes the extraction of discriminative features for emission state identification during data mining. Furthermore, the highly nonlinear nature of vehicle emission states and the lack of relevant prior knowledge also pose significant challenges to the construction of identification models.To address the aforementioned issues, we propose a Set-Valued Transformer Network (SVTN) to achieve comprehensive learning of discriminative features from high-emission samples, thereby enhancing detection accuracy. Specifically, this model first employs the transformer to measure the temporal similarity of micro-trip condition variations, thus constructing a mapping rule that projects the original high-dimensional emission data into a low-dimensional feature space. Next, a set-valued identification algorithm is used to probabilistically model the relationship between the generated feature vectors and their labels, providing an accurate metric criterion for the classification algorithm. To validate the effectiveness of our proposed approach, we conducted extensive experiments on the diesel vehicle monitoring data of Hefei city in 2020. The results demonstrate that our method achieves a 9.5\% reduction in the missed detection rate for high-emission vehicles compared to the transformer-based baseline, highlighting its superior capability in accurately identifying high-emission mobile pollution sources.
• Abstract（参考訳）: 高エミッション車両の特定は、都市汚染レベルを規制し、交通排出削減戦略を定式化するための重要なステップである。 しかし、実際のモニタリングデータでは、高エミッション状態データの比率は通常の放出状態に比べて著しく低い。 この特徴的な長尾分布は、データマイニング中の排出状態同定のための識別的特徴の抽出を著しく阻害する。 さらに, 車両排出状態の非線形性や事前知識の欠如も, 識別モデルの構築に重大な課題をもたらし, 上記の問題に対処するため, 高エミッション試料から識別特性を総合的に学習し, 検出精度の向上を図るために, SVTN(Set-Valued Transformer Network)を提案する。 具体的には、まず変換器を用いてマイクロストリップ条件の時間的類似度を測定することにより、元の高次元の放射データを低次元の特徴空間に投影するマッピングルールを構築する。 次に、設定値識別アルゴリズムを用いて、生成された特徴ベクトルとそのラベルの関係を確率論的にモデル化し、分類アルゴリズムの正確なメートル法基準を提供する。 提案手法の有効性を検証するため,2020年にヘフェイ市のディーゼル車両監視データについて広範な実験を行った。 その結果, トランスベースラインと比較して, 高エミッション車両のミス検出率を 9.5 % 削減し, 高エミッション移動体汚染源を正確に同定できる優れた性能を示した。

関連論文リスト

• Explainable Anomaly Detection for Electric Vehicles Charging Stations [3.5724617223939172]
  本研究では、EV充電インフラにおける教師なし異常検出手法について検討する。 eXplainable AI技術を統合して、解釈可能性を高め、異常の根本原因を明らかにする。 提案手法の有効性を実産業事例で評価した。
  論文  参考訳（メタデータ） (2025-07-21T15:27:48Z)
• Fault detection and diagnosis for the engine electrical system of a space launcher based on a temporal convolutional autoencoder and calibrated classifiers [0.0]
  本稿では,次世代再利用可能な宇宙ランチャーの故障検出・診断機能開発に向けた第一歩を概説する。 文献における既存のアプローチとは異なり、我々のソリューションはより広い範囲の重要な要件を満たすように設計されています。 提案手法は、時間畳み込みオートエンコーダに基づいて、原センサデータから低次元特徴を自動的に抽出する。
  論文  参考訳（メタデータ） (2025-07-17T11:50:29Z)
• Generative Anomaly Detection for Time Series Datasets [1.7954335118363964]
  交通渋滞異常検出は知的交通システムにおいて最重要事項である。 本稿では,トラヒック異常検出のためのトラヒック密度推定を行うデータ駆動型生成手法を提案する。 Recall と F1-Score の両手法により, 最先端の混雑異常検出法と診断法を比較検討した。
  論文  参考訳（メタデータ） (2022-06-28T17:08:47Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Adaptive Spike-Like Representation of EEG Signals for Sleep Stages Scoring [6.644008481573341]
  信号強度の半ガウス的確率によって入力信号と重み特徴を符号化し,フィルタリングし,蓄積する適応的手法を提案する。 提案手法の有効性を検証し,将来有望な方向性を明らかにするため,最先端手法に対する最大の公開データセットの実験を行った。
  論文  参考訳（メタデータ） (2022-04-02T11:21:49Z)
• Towards Data-Efficient Detection Transformers [77.43470797296906]
  我々は、ほとんどの検出トランスフォーマーが、小さなデータセットで大きなパフォーマンス低下に悩まされていることを示す。 我々はデータ効率に影響を与える要因を、データ効率のRCNNから代表DETRへのステップバイステップ遷移によって実証的に分析する。 本稿では,よりリッチな監視とデータ効率向上を目的とした,シンプルながら効果的なラベル拡張手法を提案する。
  論文  参考訳（メタデータ） (2022-03-17T17:56:34Z)
• Improving Maritime Traffic Emission Estimations on Missing Data with CRBMs [1.6311150636417262]
  海上交通の排出は、沿岸都市の大気汚染に大きく影響するため、政府にとって大きな関心事である。 バルセロナ・スーパーコンピュータ・センターのCALIOPEのような最先端の複合システムは、空気品質のモデル化に使われている。 本研究では,条件付き制限付きボルツマンマシン(CRBM)と機械学習手法を用いた船舶データ処理手法を提案する。
  論文  参考訳（メタデータ） (2020-09-07T10:32:43Z)
• Optimally Displaced Threshold Detection for Discriminating Binary Coherent States Using Imperfect Devices [50.09039506170243]
  雑音や不完全な装置を用いた現実的な状況下で、最適変位しきい値検出(ODTD)を有する一般化されたケネディ受信機の性能を解析的に検討する。 提案アルゴリズムは,既存の手法よりも低次かつスムーズな誤り確率が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-21T21:52:29Z)

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。