論文の概要: BALLAST: Bayesian Active Learning with Look-ahead Amendment for Sea-drifter Trajectories under Spatio-Temporal Vector Fields
- arxiv url: http://arxiv.org/abs/2509.26005v1
- Date: Tue, 30 Sep 2025 09:36:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-01 17:09:04.496014
- Title: BALLAST: Bayesian Active Learning with Look-ahead Amendment for Sea-drifter Trajectories under Spatio-Temporal Vector Fields
- Title（参考訳）: BALLAST:時空間ベクトル場におけるシードリフター軌道のルックアヘッド修正によるベイズ的アクティブラーニング
- Authors: Rui-Yang Zhang, Henry B. Moss, Lachlan Astfalck, Edward Cripps, David S. Leslie,
- Abstract要約: 本稿では,時間依存の分野を推測するための観測者の配置を導くための公式な学習手法を提案する。
我々は,合成海流モデルと高忠実海流モデルの両方において,逐次支援型オブザーバ戦略の顕著なメリットを観察した。
- 参考スコア（独自算出の注目度）: 4.750428442491808
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a formal active learning methodology for guiding the placement of Lagrangian observers to infer time-dependent vector fields -- a key task in oceanography, marine science, and ocean engineering -- using a physics-informed spatio-temporal Gaussian process surrogate model. The majority of existing placement campaigns either follow standard `space-filling' designs or relatively ad-hoc expert opinions. A key challenge to applying principled active learning in this setting is that Lagrangian observers are continuously advected through the vector field, so they make measurements at different locations and times. It is, therefore, important to consider the likely future trajectories of placed observers to account for the utility of candidate placement locations. To this end, we present BALLAST: Bayesian Active Learning with Look-ahead Amendment for Sea-drifter Trajectories. We observe noticeable benefits of BALLAST-aided sequential observer placement strategies on both synthetic and high-fidelity ocean current models.
- Abstract（参考訳）: 本研究では, 海洋学, 海洋科学, 海洋工学における重要な課題である時間依存ベクトル場を物理インフォームされた時空間ガウス過程サロゲートモデルを用いて推定するために, ラグランジアン観測者の配置を導くための公式なアクティブラーニング手法を提案する。
既存の配置キャンペーンの大半は、標準の「空間満載」デザインに従うか、比較的アドホックな専門家の意見に従うかのどちらかである。
この設定において、原理化されたアクティブラーニングを適用する上での重要な課題は、ラグランジアン観測者がベクトル場を通して連続的に対流し、異なる位置と時間で測定を行うことである。
したがって、配置された観測者の将来の軌跡を考慮し、候補位置の実用性を考慮することが重要である。
この目的のためにBALLAST: Bayesian Active Learning with Look-ahead Amendment for Sea-drifter Trajectoriesを提案する。
合成および高忠実度海流モデルにおけるBALLAST支援シーケンシャルオブザーバ配置戦略の顕著なメリットを観察する。
関連論文リスト
- Neptune-X: Active X-to-Maritime Generation for Universal Maritime Object Detection [54.1960918379255]
Neptune-Xは、海洋オブジェクト検出のためのデータ中心の生成-選択フレームワークである。
X-to-Maritime(X-to-Maritime)は、多様で現実的な海洋シーンを合成する多モード条件生成モデルである。
提案手法は,海上シーン合成における新しいベンチマークを設定し,検出精度を大幅に向上させる。
論文 参考訳（メタデータ） (2025-09-25T04:59:02Z) - How Cars Move: Analyzing Driving Dynamics for Safer Urban Traffic [12.414957984956043]
PriorMotionは、動的解析を駆動することで、運動パターンを体系的に発見するように設計されたデータ統合フレームワークである。
提案手法は,都市交通の空間的時間的傾向を捉えるために,マルチスケールな経験的観察とカスタマイズされた分析ツールを組み合わせる。
論文 参考訳（メタデータ） (2024-12-05T09:56:24Z) - TPP-Gaze: Modelling Gaze Dynamics in Space and Time with Neural Temporal Point Processes [63.95928298690001]
ニューラル・テンポラル・ポイント・プロセス(TPP)に基づく新規かつ原則化されたスキャンパスダイナミクスのアプローチであるTPP-Gazeを提案する。
提案手法は,最先端手法と比較して総合的に優れた性能を示す。
論文 参考訳（メタデータ） (2024-10-30T19:22:38Z) - MARs: Multi-view Attention Regularizations for Patch-based Feature Recognition of Space Terrain [4.87717454493713]
現在のアプローチは、事前収集されたパッチベースの機能とテンプレートマッチングに依存している。
マルチビューアテンション・レギュラライゼーション(MAR)を導入し,複数の特徴ビューにまたがるチャネルと空間的注意を制約する。
地形特徴認識性能は85%以上向上した。
論文 参考訳（メタデータ） (2024-10-07T16:41:45Z) - Outlier detection in maritime environments using AIS data and deep recurrent architectures [5.399126243770847]
本稿では,海上監視のための深部再帰モデルに基づく手法を,公開可能な自動識別システム(AIS)データ上で提案する。
このセットアップはディープ・リカレント・ニューラルネットワーク(RNN)ベースのモデルを使用して、観測された船の動きパターンを符号化し、再構築する。
提案手法は,観測された動作パターンと再構成された動作パターンの計算誤差に対するしきい値決定機構に基づく。
論文 参考訳（メタデータ） (2024-06-14T12:15:15Z) - Sequential Modeling of Complex Marine Navigation: Case Study on a Passenger Vessel (Student Abstract) [5.253408036933116]
本稿では, 機械学習手法を用いて, 船舶の燃料消費量を削減する方法について検討する。
私たちは、カナダ西海岸のフェリーで2年間にわたって、現実世界のデータセットを活用しています。
時系列予測モデルの作成に重点を置いている。
船長の指導の下、フェリーの作戦の熟練度を評価するための評価ツールとして機能する。
論文 参考訳（メタデータ） (2024-03-20T18:29:55Z) - Self-Supervised Class-Agnostic Motion Prediction with Spatial and Temporal Consistency Regularizations [53.797896854533384]
クラスに依存しない動き予測法は点雲全体の動きを直接予測する。
既存のほとんどのメソッドは、完全に教師付き学習に依存しているが、ポイントクラウドデータの手作業によるラベル付けは、手間と時間を要する。
3つの簡単な空間的・時間的正則化損失を導入し,自己指導型学習プロセスの効率化を図る。
論文 参考訳（メタデータ） (2024-03-20T02:58:45Z) - An Efficient Drifters Deployment Strategy to Evaluate Water Current
Velocity Fields [11.101787494674388]
水流の予測は生態系を理解するのに不可欠であり、地球規模の気候環境における海洋の役割に光を当てるのに不可欠である。
本稿では,流速場を反映する要素の軌道を補間することにより,流路予測にラグランジアンフロートを用いた水流予測の一般的な手法を検討する。
ここでは、これまで解決されていない重要な側面として、最初にドリフトする要素を配置し、取得した速度場が水の流れを効率的に表すようにすることが挙げられる。
論文 参考訳（メタデータ） (2023-01-10T21:33:47Z) - Leveraging Demonstrations with Latent Space Priors [90.56502305574665]
本稿では,スキル学習とシーケンスモデリングを組み合わせることで,実演データセットを活用することを提案する。
本研究では、国家のみのモーションキャプチャーの実証から、そのような先行情報をどうやって取得するかを示し、政策学習に組み込むためのいくつかの方法を探る。
実験結果から, 学習速度と最終性能において, 遅延空間が顕著に向上することが確認された。
論文 参考訳（メタデータ） (2022-10-26T13:08:46Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z)
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。