論文の概要: A Nonlinear Low-rank Representation Model with Convolutional Neural Network for Imputing Water Quality Data

• arxiv url: http://arxiv.org/abs/2512.01465v1
• Date: Mon, 01 Dec 2025 09:49:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.788866
• Title: A Nonlinear Low-rank Representation Model with Convolutional Neural Network for Imputing Water Quality Data
• Title（参考訳）: 畳み込みニューラルネットワークを用いた水質データに対する非線形低ランク表現モデル
• Authors: Hongnan Si, Tong Li, Yujie Chen, Xin Liao,
• Abstract要約: 本稿では,水質データ計算のためのニューラルタッカー畳み込みネットワーク(NTCN)モデルを提案する。 3つの実世界の水質データセットの実験により、提案したNTCNモデルは精度でいくつかの最先端の計算モデルより優れていることが示された。
• 参考スコア（独自算出の注目度）: 24.74498274699181
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Water quality monitoring is a core component of ecological environmental protection. However, due to sensor failure or other inevitable factors, data missing often exists in long-term monitoring, posing great challenges in water quality analysis. This paper proposes a Neural Tucker Convolutional Network (NTCN) model for water quality data imputation, which features the following key components: a) Encode different mode entities into respective embedding vectors, and construct a Tucker interaction tensor by outer product operations to capture the complex mode-wise feature interactions; b) Use 3D convolution to extract fine-grained spatiotemporal features from the interaction tensor. Experiments on three real-world water quality datasets show that the proposed NTCN model outperforms several state-of-the-art imputation models in terms of accuracy.
• Abstract（参考訳）: 水質モニタリングは環境保護の核となる要素である。 しかし、センサーの故障や他の必然的な要因により、長期的なモニタリングではデータが欠落することがしばしばあり、水質分析において大きな課題となっている。 本稿では,水質データ計算のためのニューラルタッカー畳み込みネットワーク(NTCN)モデルを提案する。 イ 異なるモード実体を各埋め込みベクトルにエンコードし、かつ、複雑なモード単位の特徴的相互作用を捉えるために、外部製品操作によりタッカー相互作用テンソルを構築すること。 b) 相互作用テンソルから微細な時空間特徴を抽出するために3次元畳み込みを用いる。 3つの実世界の水質データセットの実験により、提案したNTCNモデルは精度でいくつかの最先端の計算モデルより優れていることが示された。

関連論文リスト

• A Nonlinear Low-rank Representation Model with Convolutional Neural Network for Imputing Water Quality Data [21.084448237244725]
  水質データの統合性(WQD)は、科学的意思決定と生態保護のための環境モニタリングにおいて重要である。 従来のデータ計算手法は、潜在的なダイナミクスを描写することは困難であり、深層データの特徴を捉えるのに失敗する。 本稿では,WQDの欠落を補うために,畳み込みニューラルネットワーク(CNN)を用いた低ランク表現モデルを提案する。
  論文  参考訳（メタデータ） (2025-06-30T08:48:19Z)
• Dynamic Graph Induced Contour-aware Heat Conduction Network for Event-based Object Detection [42.021851148914145]
  イベントベースのビジョンセンサー(EVS)は、低照度環境で従来のRGBフレームベースのカメラに対して大きな優位性を示している。 本稿では,イベントストリームに基づく物体検出のための動的グラフ誘導輪郭対応熱伝導ネットワークを提案する。
  論文  参考訳（メタデータ） (2025-05-19T09:44:01Z)
• DiTEC-WDN: A Large-Scale Dataset of Hydraulic Scenarios across Multiple Water Distribution Networks [41.94295877935867]
  このデータセットは、短期(24時間)または長期(1年)でシミュレートされた36,000のユニークなシナリオで構成されている。 DiTEC-WDNは、グラフレベル、ノードレベル、リンクレベルの回帰、時系列予測など、さまざまな機械学習タスクをサポートすることができる。 この貢献は、公的なライセンスの下でリリースされ、クリティカルウォーターセクターにおけるオープンな科学研究を奨励し、センシティブなデータを露出するリスクを排除し、研究比較とシナリオ分析のための大規模な配水ネットワークベンチマークの必要性を満たす。
  論文  参考訳（メタデータ） (2025-03-21T14:14:03Z)
• SEN12-WATER: A New Dataset for Hydrological Applications and its Benchmarking [40.996860106131244]
  気候と干ばつの増加は、世界中の水資源管理に重大な課題をもたらしている。 本稿では,干ばつ関連分析のためのエンドツーエンドディープラーニングフレームワークを用いたベンチマークとともに,新しいデータセットであるSEN12-WATERを提案する。
  論文  参考訳（メタデータ） (2024-09-25T16:50:59Z)
• DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
  本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。 フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-06-05T06:18:03Z)
• Graph Neural Network-Based Anomaly Detection for River Network Systems [0.8399688944263843]
  水質のリアルタイムモニタリングは、インサイトセンサー技術にますます依存している。 センサデータの誤パターンを特定するには異常検出が不可欠である。 本稿では,河川ネットワークセンサデータにおける異常検出の課題に対する解決法を提案する。
  論文  参考訳（メタデータ） (2023-04-19T01:32:32Z)
• Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
  本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。 本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。 提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
  論文  参考訳（メタデータ） (2020-01-10T05:29:17Z)

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。