論文の概要: Evolving Spatial Weights for Cartographic Synthesis

• arxiv url: http://arxiv.org/abs/2606.22252v1
• Date: Sat, 20 Jun 2026 22:34:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 21:45:59.729136
• Title: Evolving Spatial Weights for Cartographic Synthesis
• Title（参考訳）: カルトグラフィー合成のための空間重みの進化
• Abstract要約: 本研究では,空間自己相関構造に基づく地図合成の多目的定式化を提案する。 我々は,グローバル空間構造を最大化することにより,層重みを推定する双方向進化フレームワークGIS-moGAを開発した。 その結果,集団多様性の維持と早期収束の予防には高い突然変異率が重要であることが示された。
• 参考スコア（独自算出の注目度）: 34.00232821914697
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The integration of multiple thematic data layers into a single composite map, known as the cartographic synthesis problem, is typically addressed through expert-driven weighting schemes. This study presents a multi-objective formulation of cartographic synthesis grounded in spatial autocorrelation structure. We develop a bi-objective evolutionary framework, GIS-moGA, that estimates layer weights by simultaneously maximizing global spatial structure, measured by Global Moran's I, and minimizing local spatial heterogeneity, measured by the variance of Local Indicators of Spatial Association (LISA). Because naive evaluation of spatial relationships requires O(N^2) operations, direct computation becomes impractical for larger datasets. We address this challenge by exploiting the 97.7% sparsity of queen contiguity matrices, reducing effective complexity to O(N k) and enabling scalable municipal-level analysis. The framework is evaluated on a high-dimensional spatial epidemiology dataset with N = 523 units from Araraquara, Brazil. A 64-scenario experimental design is used to examine evolutionary behavior across parameter settings. Results show that higher mutation rates are important for maintaining population diversity and preventing premature convergence in spatially autocorrelated fitness landscapes, where crossover operators can disrupt geographically coherent structures. Compared with expert-derived Analytic Hierarchy Process baselines, the resulting Pareto fronts show substantial hypervolume gains and significant improvements in spatial coherence (p < 0.001, Cliff's delta = 0.87). These findings provide a systematic and scalable framework for data-driven geographic multi-criteria decision analysis.
• Abstract（参考訳）: 地図合成問題として知られる単一の合成マップへの複数のテーマデータレイヤの統合は、専門家主導の重み付けスキームによって対処されるのが一般的である。 本研究では,空間自己相関構造に基づく地図合成の多目的定式化を提案する。 我々はGlobal MoranのIによって測定されたグローバル空間構造を同時に最大化し、局所空間的不均一性を最小化し、局所空間的指標(LISA)のばらつきによって測定される二目的進化フレームワークGIS-moGAを開発した。 空間関係の自然な評価にはO(N^2)演算が必要であるため、より大きなデータセットでは直接計算は実用的ではない。 この課題に対処するために、女王の連続行列の97.7%の幅を利用し、O(N k)の有効複雑性を低減し、スケーラブルな市町村レベルの分析を可能にする。 この枠組みはブラジルのアラワラからN = 523ユニットの高次元空間疫学データセットを用いて評価された。 64-scenario実験設計は、パラメータ設定間の進化的挙動を調べるために用いられる。 以上の結果から,クロスオーバー操作者が地理的に一貫性のある構造を破壊できる空間的自己相関型フィットネスランドスケープにおいて,高い突然変異率が個体多様性の維持と早期収束の防止に重要であることが示唆された。 専門家由来の分析階層プロセスのベースラインと比較すると、パレートフロントは大きな高体積化と空間コヒーレンス(p < 0.001, Cliff's delta = 0.87)の大幅な改善を示す。 これらの知見は、データ駆動型地理的多基準決定分析のための体系的でスケーラブルなフレームワークを提供する。

関連論文リスト

• Rethinking Attention Locality in Spiking Transformers [50.00501275379363]
  スパイキングトランスフォーマーは、スパイク駆動計算による効率的なビジュアル処理のための有望なパラダイムを提供する。 彼らのSSA(Softmax-free Spiking Self-Attention)は、空間的に局所化されたトークン相互作用を確立するのに苦労している。 境界連続経路(SCLA-BCP)を用いた空間連続的局所的注意法を提案する。 当社のアプローチでは、2017年のCOCOではmAP@50が9.50%、ADE20KではmIoUが3.42%改善しています。
  論文  参考訳（メタデータ） (2026-08-09T07:36:17Z)
• GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval [54.741349848771144]
  GeoMambaは光学SAR微細検索のための幾何学駆動フレームワークである。 GFIモジュールは、クロスモーダルな機能相互作用を強化し、構造的な事前を組み込む。 GeoMambaは既存の手法を上回り、全検索環境で63.3% mAPと77.0% Rank-1の精度を達成した。
  論文  参考訳（メタデータ） (2026-05-19T12:08:09Z)
• Curvature-Aware PCA with Geodesic Tangent Space Aggregation for Semi-Supervised Learning [52.452902154360565]
  GTSA-PCAは主成分分析の幾何学的拡張である。 曲率認識と測地的整合性を統合されたスペクトルフレームワークに統合する。 以上の結果から,GTSA-PCAは次元減少に対する統計的および幾何学的アプローチの原則的ブリッジとして位置づけられた。
  論文  参考訳（メタデータ） (2026-04-20T20:36:36Z)
• Geographically Weighted Canonical Correlation Analysis: Local Spatial Associations Between Two Sets of Variables [47.652697094546994]
  本稿では,古典的統計手法であるカノニカル相関解析(CCA)の空間関係研究への応用を批判的に評価する。 本研究では,2つの変数間の局所的空間的関連を探索する新しい手法として,地理重み付き標準相関解析(GWCCA)を提案する。 その結果,GWCCAは都市計画,環境科学,公衆衛生,交通といった空間データ集約分野に広く応用できる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-02-10T19:36:49Z)
• GeoGNN: Quantifying and Mitigating Semantic Drift in Text-Attributed Graphs [59.61242815508687]
  テキスト分散グラフ(TAG)上のグラフニューラルネットワーク(GNN)は、事前訓練された言語モデル(PLM)を使用してノードテキストを符号化し、これらの埋め込みを線形近傍アグリゲーションを通じて伝播する。 本研究は,意味的ドリフトの度合いを計測する局所PCAベースの計量を導入し,異なる凝集機構が多様体構造にどのように影響するかを解析するための最初の定量的枠組みを提供する。
  論文  参考訳（メタデータ） (2025-11-12T06:48:43Z)
• Population synthesis with geographic coordinates [1.6419687521433917]
  粗い地理的領域ではなく、明確な座標で合成集団を生成することがますます重要である。 空間座標をより規則的な潜在空間にマッピングする集団合成アルゴリズムを提案する。 実家と同じ統計特性を持つ合成住宅を121データセットで生成し,その有効性を実証する。
  論文  参考訳（メタデータ） (2025-10-08T13:36:13Z)
• Artificial Geographically Weighted Neural Network: A Novel Framework for Spatial Analysis with Geographically Weighted Layers [0.0]
  AGWNNは、複雑な非線形空間関係を捉えるために、地理的に重み付けされた技術とニューラルネットワークを統合する新しいフレームワークである。 AGWNNの性能を厳格に評価するために、シミュレーションデータセットと実世界のケーススタディの両方を用いて包括的な実験を行った。
  論文  参考訳（メタデータ） (2025-04-01T01:48:46Z)
• An Interpretable Implicit-Based Approach for Modeling Local Spatial Effects: A Case Study of Global Gross Primary Productivity [9.352810748734157]
  地球科学では、観測されていない要因は非定常分布を示し、特徴と対象の関係が空間的不均一性を示す。 地理的機械学習タスクでは、従来の統計学習手法は空間的不均一性を捉えるのに苦労することが多い。 我々は、深層ニューラルネットワークを用いた空間差と並行して、異なる場所で共通する特徴を同時にモデル化する、新しい視点を提案する。
  論文  参考訳（メタデータ） (2025-02-10T05:44:54Z)
• Distributional Reduction: Unifying Dimensionality Reduction and Clustering with Gromov-Wasserstein [56.62376364594194]
  教師なし学習は、潜在的に大きな高次元データセットの基盤構造を捉えることを目的としている。 本研究では、最適輸送のレンズの下でこれらのアプローチを再検討し、Gromov-Wasserstein問題と関係を示す。 これにより、分散還元と呼ばれる新しい一般的なフレームワークが公開され、DRとクラスタリングを特別なケースとして回復し、単一の最適化問題内でそれらに共同で対処することができる。
  論文  参考訳（メタデータ） (2024-02-03T19:00:19Z)
• SARN: Structurally-Aware Recurrent Network for Spatio-Temporal Disaggregation [8.636014676778682]
  オープンデータは、通常プライバシーポリシーに従うために、しばしば空間的に集約される。しかし、粗い、異質な集約は、下流のAI/MLシステムに対する一貫性のある学習と統合を複雑にする。 本稿では,空間的注意層をGRU(Gated Recurrent Unit)モデルに統合したSARN(Structurely-Aware Recurrent Network)を提案する。 履歴学習データに制限のあるシナリオでは、ある都市変数に事前学習したモデルを、数百のサンプルのみを用いて、他の都市変数に対して微調整できることを示す。
  論文  参考訳（メタデータ） (2023-06-09T21:01:29Z)
• Neural Distance Embeddings for Biological Sequences [43.07977514121458]
  幾何ベクトル空間に配列を埋め込むためのフレームワークであるNeuroSEEDを提案する。 階層構造を捉えた双曲空間の有効性を示し, RMSEの埋め込みにおける平均22%の還元効果を示す。 提案手法は,実世界のデータセットに対して,大幅な精度向上と実行時改善を示す。
  論文  参考訳（メタデータ） (2021-09-20T17:30:58Z)

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。