論文の概要: Calibrating Attribution Proxies for Reward Allocation in Participatory Weather Sensing

• arxiv url: http://arxiv.org/abs/2604.27944v1
• Date: Thu, 30 Apr 2026 14:42:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.145019
• Title: Calibrating Attribution Proxies for Reward Allocation in Participatory Weather Sensing
• Title（参考訳）: 参加型気象センシングにおける逆転位に対する因果関係の校正
• Authors: Mark C. Ballandies, Michael T. C. Chiu, Claudio J. Tessone,
• Abstract要約: 大規模なIoT天気予報ネットワークは、参加を維持するためのインセンティブメカニズムを必要とする。 個々のデータコントリビューションが ネットワークにどれだけ価値をもたらすかは 未解決の問題です 我々は、このギャップを埋め、グリッド化されたGFS解析入力に勾配に基づく属性を特徴付けるために、微分可能なAI天気モデルを活用することを提案する。
• 参考スコア（独自算出の注目度）: 0.8699677835130409
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale IoT weather sensing networks require incentive mechanisms to sustain participation, yet determining how much value individual data contributions bring to the network remains an open problem. Existing approaches address data quality but not data valuation; in operational meteorology, adjoint-based methods derive value from the forecast model itself but require full data assimilation infrastructure. We propose to utilise differentiable AI weather models to fill this gap and characterise gradient-based attribution on gridded GFS analysis inputs as a candidate value signal, evaluating fidelity, calibration, cost, and gaming vulnerability across more than 400 configurations. Attribution captures near-optimal sensor placement utility with monotonically faithful payments, but can be inflated by adversarial inputs, with detection requiring external baseline data. These findings establish gradient attribution as a computationally validated signal for model-informed reward allocation in participatory weather sensing.
• Abstract（参考訳）: 大規模なIoT天気予報ネットワークは、参加を維持するためのインセンティブメカニズムを必要とするが、個々のデータコントリビューションがネットワークにもたらす価値は未解決のままである。 既存のアプローチはデータ品質に対処するが、データバリュエーションには対処しない。運用気象学では、アジョイントベースの手法は予測モデル自体から価値を導き出すが、完全なデータ同化基盤を必要とする。 我々は、このギャップを埋め、グリッド化されたGFS分析入力に対する勾配に基づく属性を候補値信号として特徴付け、400以上の構成にまたがる忠実さ、校正、コスト、ゲーム脆弱性を評価するために、微分可能なAI天気モデルを活用することを提案する。 属性は、単調に忠実な支払いで最適に近いセンサー配置ユーティリティをキャプチャするが、対向入力によって膨らませることができ、検出には外部ベースラインデータが必要である。 これらの結果は、参加型気象センサにおけるモデルインフォームド報酬配分のための計算的検証信号として勾配属性を確立した。

関連論文リスト

• HiFiNet: Hierarchical Fault Identification in Wireless Sensor Networks via Edge-Based Classification and Graph Aggregation [11.108171977551619]
  HiFiNetは、無線ネットワークのための階層的な障害識別フレームワークである。 局所時間パターンとネットワーク全体の空間依存性の両方をキャプチャすることで、より正確な予測を行う。 既存の手法の精度、F1スコア、精度を著しく上回っている。
  論文  参考訳（メタデータ） (2025-11-06T16:15:19Z)
• Generative Data Assimilation of Sparse Weather Station Observations at Kilometer Scales [5.427841765899196]
  そこで本研究では,現実的に複雑な1kmスケールの気象条件下でのスコアベースデータ同化の実現可能性を示す。 40の気象観測所からの観測を取り入れることで、左の観測所で10%低いRMSEが達成される。 ますます野心的な地域国家ジェネレータと、In situ、地上ベース、衛星リモートセンシングデータストリームの集合を組み合わす拡張を探求する時期だ。
  論文  参考訳（メタデータ） (2024-06-19T10:28:11Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• An operational framework to automatically evaluate the quality of weather observations from third-party stations [5.9098122164420985]
  本稿では,AI/Stats/MLモデルに基づく,シンプルでスケーラブルで解釈可能なフレームワークを提案する。 このフレームワークは、個々のデータを公式ソースから分離したモデルを構築し、個々のモデルを融合させることで最終的な評価を提供する。 提案するフレームワークの性能は, 合成データを用いて評価し, TPAWSネットワークに応用して実証した。
  論文  参考訳（メタデータ） (2022-12-05T03:14:21Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Federated Learning with Correlated Data: Taming the Tail for Age-Optimal Industrial IoT [55.62157530259969]
  本稿では,ピークAoI要求に基づくセンサの送信電力最小化と待ち時間に対する確率的制約について検討する。 本稿では,センサのトレーニングデータ間の相関を考慮した局所モデル選択手法を提案する。 数値計算の結果,送信電力,ピークAoI,遅延尾部分布のトレードオフが示された。
  論文  参考訳（メタデータ） (2021-08-17T08:38:31Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• Unsupervised Domain Adaptation for Speech Recognition via Uncertainty Driven Self-Training [55.824641135682725]
  WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
  論文  参考訳（メタデータ） (2020-11-26T18:51:26Z)

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。