論文の概要: An Integrated Two-Stage Deep-Learning Tool for Rapid Post-Hurricane Damage Identification and Repair Scheduling

• arxiv url: http://arxiv.org/abs/2606.29117v1
• Date: Sun, 28 Jun 2026 00:01:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.794739
• Title: An Integrated Two-Stage Deep-Learning Tool for Rapid Post-Hurricane Damage Identification and Repair Scheduling
• Title（参考訳）: 高速後損傷同定と補修スケジューリングのための総合的な2段階深層学習ツール
• Abstract要約: 本稿では,損傷ラインの迅速同定と修復スケジュールのための統合型2段階深層学習ツールを提案する。 IEEE 9500ノードテストフィード用のオフライン合成データセットには、露出機能、グリッドメタデータ、パラメータ、OpenDSS出力、損傷ラインラベル、Adaptive Large Neighborhood Search参照スケジュールを備えた1,700のハリケーンシナリオが含まれている。 選択されたResMLP-Setトランスフォーマーパイプラインはステージ1エラーをステージ2に伝播させ、ダメージジョブF1スコア0.920、ペアオーダー契約0.854、不安定性と開始時平均絶対誤差4.349分、4.486を達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Post-hurricane damage assessment and repair scheduling can require computationally intensive simulation and optimization. This paper presents an integrated two-stage deep-learning tool for rapid damaged-line identification and repair-schedule computation. An available offline synthetic dataset for the IEEE 9500-node test feeder contains 1,700 hurricane scenarios with exposure features, grid metadata, fragility parameters, OpenDSS outputs, damaged-line labels, and Adaptive Large Neighborhood Search reference schedules. Stage 1 benchmarks MLP, ResMLP, and GraphSAGE, while Stage 2 compares MLP, DeepSets, and Set Transformer. The selected ResMLP-Set Transformer pipeline propagates Stage 1 errors into Stage 2 and achieves a damaged-job F1-score of 0.920, pairwise order agreement of 0.854, and start- and end-time mean absolute errors of 4.349 min and 4.486 min, respectively. The tool provides rapid initial repair-log decision support for new hurricane cases.
• Abstract（参考訳）: ハリケーン後の損傷評価と修理のスケジューリングには、計算集約的なシミュレーションと最適化が必要である。 本稿では,高速な損傷線同定と補修スケジュール計算のための統合された2段階深層学習ツールを提案する。 IEEE 9500ノードテストフィード用のオフライン合成データセットには、露出機能、グリッドメタデータ、脆弱性パラメータ、OpenDSS出力、損傷ラインラベル、Adaptive Large Neighborhood Search参照スケジュールを含む、1,700のハリケーンシナリオが含まれている。 Stage 1はMLP、ResMLP、GraphSAGEを、Stage 2はMLP、DeepSets、Set Transformerをベンチマークする。 選択されたResMLP-Setトランスフォーマーパイプラインはステージ1エラーをステージ2に伝播させ、ダメージジョブF1スコアが0.920、ペアオーダーが0.854、スタート時と終了時の平均絶対誤差が4.349分および4.486分となる。 このツールは、新しいハリケーンのケースに対する早期の修復ログ決定サポートを提供する。

関連論文リスト

• LUMIN: Lightweight Universal Manufacturing Inspection Network for Anomaly Detection [1.7396047556778942]
  産業異常検出は、メモリバンク構築遅延と推論効率の2つのエンジニアリングボトルネックに直面している。 本稿では,2つのコアコントリビューションを持つ産業展開におけるサンプリング効率と推論最適化に焦点を当てた。
  論文  参考訳（メタデータ） (2026-09-04T06:12:10Z)
• Validating LLM-Modernized Scientific Software Through Differential Fault Injection [4.4455011390187815]
  大規模言語モデル(LLM)エージェントは、レガシーなFortranの基盤となる科学ソフトウェアを現代化するのにますます使われている。 本稿では,従来のコードに対する障害応答,摂動,精度の低下を,近代化が維持するかどうかを検証するための差分欠陥注入検証手法を提案する。
  論文  参考訳（メタデータ） (2026-08-14T17:45:55Z)
• Rethinking Pixel Mean Flows via Interval Denoiser [95.11499828543344]
  潜在自由生成のためのフレームワークであるInterval Denoiserを提案する。 その結果,FIDは1ステップ (1-NFE) で4.55, 2ステップ (2-NFE) で3.98であった。
  論文  参考訳（メタデータ） (2026-08-05T13:22:43Z)
• BayesSeg: A Bayesian Optimization Framework for State Segmentation of Electricity Consumption Time Series [3.3483950365040855]
  BayesSegは時系列セグメンテーション、多次元評価、自動パラメータ最適化を統合した統合フレームワークである。 このフレームワークは、重み付き合成スコア0.7149、イベント_F10.9340を達成し、最適化のレイテンシを5300秒から1秒以下に短縮する。
  論文  参考訳（メタデータ） (2026-08-01T08:22:49Z)
• HEPTv2: End-to-End Efficient Point Transformer for Charged Particle Reconstruction [9.951462226612865]
  HEPTv2はエンド・ツー・エンドのポイント・トランスフォーマーアーキテクチャで、1つのトレーニング可能なパイプラインで検出器ヒットからトラックを再構築する。 TrackMLでは、HEPTv2は98.6%の追尾効率を0.8%の偽レートで達成している。 これらの結果から, HL-LHCにおけるリアルタイム粒子再構成に必要な精度と効率を, エンド・ツー・エンド変圧器で実現できることが示唆された。
  論文  参考訳（メタデータ） (2026-06-18T16:18:10Z)
• Do Transformers Actually Help Intrusion Detection? A Temporal Sequence Evaluation on CIC-IDS2017 [1.2934180951771597]
  我々はCIC-IDS 2017を、ネットワーク会話から順序付きフローシーケンスを構築することで、時間的侵入検出タスクとして再構成する。 中心的な発見は、アーキテクチャではなくパディング規約がトランスフォーマーのパフォーマンスを決定することである。 我々は、将来のIDS研究において、漏洩のない分割、明示的なパディング開示、シーケンシャル・アウェア・ベンチマークを標準的実践として推奨する。
  論文  参考訳（メタデータ） (2026-06-09T16:57:10Z)
• UniPCB: A Generation-Assisted Detection Framework for PCB Defect Inspection [16.687894734386322]
  制御された欠陥合成とタスク固有の欠陥検出を統合した世代別PCB欠陥検査フレームワークを提案する。 DsPCBSD+の実験では、UniPCBは98.0%のmAP@0.5と61.8%のmAP@0.5:0.95の欠陥検出を達成した。
  論文  参考訳（メタデータ） (2026-05-06T08:30:27Z)
• Scaling Test-Time Compute for Agentic Coding [126.72747643609274]
  本稿では,ロールアウト軌跡のコンパクトな表現に基づくエージェントコーディングのためのテスト時間スケーリングフレームワークを提案する。 当社のフレームワークは,各ロールアウトを,その健全な仮説,進捗,障害モードを保存する構造的な要約に変換する。 提案手法は,SWE-Bench Verified および Terminal-Bench v2.0 におけるフロンティア符号化エージェントの性能を一貫して改善する。
  論文  参考訳（メタデータ） (2026-04-16T17:39:33Z)
• Amped: Adaptive Multi-stage Non-edge Pruning for Edge Detection [53.59823657644554]
  エッジ検出のための適応型多段非エッジプルーニングフレームワーク(Amped)を提案する。 Ampedは高信頼の非エッジトークンを識別し、可能な限り早く削除し、計算を大幅に削減する。 既存のエッジ検出ネットワークの構造的複雑さを軽減するため,Streamline Edge Detector(SED)と呼ばれる,シンプルながら高性能なTransformerベースのモデルを導入する。
  論文  参考訳（メタデータ） (2026-03-29T12:26:35Z)
• Compress to Impress: Efficient LLM Adaptation Using a Single Gradient Step on 100 Samples [57.67658635348395]
  LASERの網羅的で、マトリクスごとの探索は、迅速な展開には実用的ではない。 これらの結果を組み合わせることで、下流タスクに対する高速で堅牢な適応アルゴリズムが得られることを示す。
  論文  参考訳（メタデータ） (2025-10-23T17:58:01Z)
• ATTS: Asynchronous Test-Time Scaling via Conformal Prediction [112.54016379556073]
  大規模な言語モデル(LLM)は、テスト時のスケーリングの恩恵を受けるが、しばしば高い推論遅延によって妨げられる。 統計的に保証された適応スケーリングフレームワークであるATTS(Asynchronous Test-Time Scaling)を紹介する。 ATTSは、テストタイムのスケーリングにおいて最大56.7倍のスピードアップと4.14倍のスループット向上を実現している。
  論文  参考訳（メタデータ） (2025-09-18T16:55:09Z)
• Interpretable AI for Time-Series: Multi-Model Heatmap Fusion with Global Attention and NLP-Generated Explanations [1.331812695405053]
  本稿では,ResNetが生成するヒートマップと,グローバルに重み付けされた入力サリエンシを備えた再構成された2次元変換器を統合することで,モデル解釈可能性を向上させる新しいフレームワークを提案する。 本手法は、勾配重み付きアクティベーションマップ(ResNet)とトランスフォーマーのアテンションロールアウトを統合可視化にマージし、空間的・時間的アライメントを実現する。 臨床(ECG不整脈検出)および産業データセットに関する実証的評価は,有意な改善を示した。
  論文  参考訳（メタデータ） (2025-06-30T20:04:35Z)
• Side-Channel Extraction of Dataflow AI Accelerator Hardware Parameters [2.5118823309854323]
  本稿では,FINNフレームワークで生成されたデータフローアクセラレータのハードウェア構成を復元する手法を提案する。 ハードウェアパラメータの回復に337msしか必要とせず,95%以上,421ms以上の精度でパラメータの完全回復を行う。 提案手法は既存の手法よりも現実的な攻撃シナリオを提供し, tsfreshに基づくSoA攻撃と比較して, 940倍, 110倍の時間を要する。
  論文  参考訳（メタデータ） (2025-06-18T13:06:09Z)
• A Robust and Explainable Data-Driven Anomaly Detection Approach For Power Electronics [56.86150790999639]
  本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。 行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。 検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
  論文  参考訳（メタデータ） (2022-09-23T06:09:35Z)
• Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
  視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。 本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。 DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
  論文  参考訳（メタデータ） (2022-06-14T13:22:19Z)
• Global Vision Transformer Pruning with Hessian-Aware Saliency [93.33895899995224]
  この研究はヴィジュアルトランスフォーマー(ViT)モデルの共通設計哲学に挑戦する。 遅延を意識した規則化による直接遅延低減を実現し,すべての層や構造に匹敵する新しいヘッセン型構造解析基準を導出する。 DeiT-Baseモデルで反復的なプルーニングを実行すると、NViT(Novel ViT)と呼ばれる新しいアーキテクチャファミリが生まれ、パラメータをより効率的に利用する新しいパラメータが現れる。
  論文  参考訳（メタデータ） (2021-10-10T18:04:59Z)

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。