論文の概要: Enhanced Artificial Neural Networks Using QHAdamW in Air Quality Forecasting

• arxiv url: http://arxiv.org/abs/2608.21463v1
• Date: Thu, 20 Aug 2026 23:59:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.169844
• Title: Enhanced Artificial Neural Networks Using QHAdamW in Air Quality Forecasting
• Title（参考訳）: 品質予測におけるQHAdamWを用いた強化人工ニューラルネットワーク
• Abstract要約: この研究は、最適化された適応モーメント推定(Adam)アルゴリズムと組み合わせて、ニューラルネットワークを使用した。 マニラのリアルタイム空気質追跡局のデータに基づいて、フィードフォワードニューラルネットワークを用いてPM2.5とPM10のAQIを別々に予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The study employed an Artificial Neural Network in combination with the optimized Adaptive Moment Estimation (Adam) algorithm, currently the only AQI forecasting model available in the Philippines. The modified QHAdamW - Quasi-Hyperbolic Momentum (QHAdam) and Adam with decoupled weight decay (AdamW) were both extensions of the Adam optimizer, and both offer unique advantages for training ANN. The proposed QHAdamW optimizer addresses the issues on convergence, generalization, and forecasting performance of Adam. Hyperparameter tuning results revealed that 0.01 and 0.001 were the most effective optimal values for the generalization performance of QHAdamW. The comparative analysis results using seven evaluation metrics revealed that the error value range is lower, and the regression coefficient, having a value approximately equal to 1, improved the model accuracy performance. Likewise, the model converges to a satisfactory level of performance with the convergence performance results of lower loss values as obtained from training and validation losses. Based on data from a real-time air quality tracking station in Manila, a feed-forward neural network is used to predict the AQI of PM2.5 and PM10 separately. This model can be used to forecast Particulate Matter (PM), to help the Department of Environment and Natural Resources-Environmental Monitoring Bureau (DENR-EMB) implement a comprehensive air quality management.
• Abstract（参考訳）: この研究は、現在フィリピンで利用可能な唯一のAQI予測モデルである、最適化された適応モーメント推定(Adam)アルゴリズムと組み合わせて、ニューラルネットワークを使用した。 QHAdamW - Quasi-Hyperbolic Momentum(英語版)(QHAdam)とAdam(英語版)(AdamW)はどちらもアダム・オプティマイザの拡張であり、どちらもANNのトレーニングに独特な利点を提供している。 提案したQHAdamWオプティマイザは,Adamの収束,一般化,予測性能に関する問題に対処する。 ハイパーパラメータチューニングの結果, QHAdamWの一般化性能において, 0.01 と 0.001 が最も有効な値であることが判明した。 7つの評価指標を用いて比較分析した結果,誤差値範囲は低く,回帰係数は1とほぼ等しい結果となり,モデル精度が向上した。 同様に、モデルは、トレーニングと検証損失から得られる低い損失値の収束性能結果と、良好な性能レベルに収束する。 マニラのリアルタイム空気質追跡局のデータに基づいて、フィードフォワードニューラルネットワークを用いてPM2.5とPM10のAQIを別々に予測する。 このモデルは、環境天然資源環境監視局(DENR-EMB)が大気の総合的な管理を行うのを助けるために、粒子状物質(PM)を予測するために使用できる。

関連論文リスト

• PCQA-R1: Advancing Generalized 3D Point Cloud Quality Assessment with Reinforcement Learning [51.75061005702151]
  ノンリファレンスポイントクラウド品質アセスメント(PCQA)は近年活発なトピックであり、ポイントクラウドの視覚的エクスペリエンスの測定と最適化に使用されている。 本稿では,3次元点雲質評価のための最初の強化学習LMMであるPCQA-R1について述べる。
  論文  参考訳（メタデータ） (2026-08-19T07:21:58Z)
• Benchmarking Scientific Machine Learning Models for Air Quality Data [0.0]
  本研究は、ガイドラインと提案された物理誘導型最良のモデルを可能にする、説明可能で包括的なベンチマークを示す。 2022年から2024年にかけて、米国環境保護庁(EPA)による大気質データの日次観測を用いて、PM2.5とO3の都市レベルの時系列をキュレートする。 最適モデルのベンチマークには、線形回帰(LR)、SARIMAX、多層パーセプトロン(MLP)、LSTMネットワークが評価されている。
  論文  参考訳（メタデータ） (2026-03-22T03:31:24Z)
• Machine Learning Epidemic Predictions Using Agent-based Wireless Sensor Network Models [0.0]
  無線センサネットワーク(WSN)における疫学データの欠如は、ウイルスやワームなどの脅威を予測・緩和する堅牢なモデルを構築する上で、根本的な困難である。 本研究では, 機械学習(ML)予測において, サセプティブル・エクスポージブル・リカバード・ワクチン(SEIRV)数学的モデルのエージェントベース実装を行った。
  論文  参考訳（メタデータ） (2025-11-20T02:28:44Z)
• Beyond Outliers: A Study of Optimizers Under Quantization [82.75879062804955]
  量子化下でのモデルロバスト性に対する選択の影響について検討する。 モデルの性能が、異なるベースラインでトレーニングした場合にどのように低下するかを評価する。 異なるパラメータによる量子化対応トレーニングのスケーリング法則を導出する。
  論文  参考訳（メタデータ） (2025-09-27T21:15:22Z)
• LLaDA 1.5: Variance-Reduced Preference Optimization for Large Language Diffusion Models [95.77351099118323]
  Masked Diffusion Models (MDM) は言語モデリングにおいて有望なパラダイムである。 この課題は、優先最適化に必要なエビデンス・ロウアー・バウンド(ELBO)に基づく推定値の高分散から生じる。 本稿では,ELBO推定器の偏差を公式に解析し,優先最適化勾配の偏差と偏差を導出するフレームワークであるVRPOを提案する。
  論文  参考訳（メタデータ） (2025-05-25T16:36:20Z)
• Bayesian Optimization of a Lightweight and Accurate Neural Network for Aerodynamic Performance Prediction [0.0]
  本研究では,空力性能予測のための効率的かつ正確な予測モデルを構築するための新しい手法を提案する。 設計変数間の相互作用を明確に記述するために、BOの定式化では階層カーネルと分類カーネルが使用される。 ドラッグ係数予測タスクでは,最適化モデルの平均絶対パーセンテージ誤差(MAPE)が0.1433%から0.0163%に低下する。 本モデルでは, ベンチマーク航空機の自己雑音予測問題に対して, 0.82%のMAPEを達成し, 既存モデルよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-03-25T09:14:36Z)
• Can Deep Learning Trigger Alerts from Mobile-Captured Images? [0.0594961162060159]
  本研究は,データ拡張手法の検証,大気質予測のためのCNNに基づく回帰モデリング,モバイル技術によるユーザ中心の大気質モニタリングに寄与する。 提案システムは,個人が情報的環境衛生と幸福な意思決定を行うための実践的なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-01-07T03:39:43Z)
• PIAD-SRNN: Physics-Informed Adaptive Decomposition in State-Space RNN [1.3654846342364306]
  時系列予測は、精度と効率のトレードオフを要求することが多い。 物理インフォームド適応分解状態空間RNNであるPIAD-SRNNを提案する。 屋内空気質データセットにおけるPIAD-SRNNの性能評価を行った。
  論文  参考訳（メタデータ） (2024-12-01T22:55:58Z)
• Beyond Tides and Time: Machine Learning Triumph in Water Quality [0.0]
  この研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としている。 我々の研究は、データサイエンスの専門家とドメイン固有の知識を持たない人々の両方にとって、堅牢な予測パイプラインを確立することを目的としています。
  論文  参考訳（メタデータ） (2023-09-29T03:33:53Z)
• On the Theories Behind Hard Negative Sampling for Recommendation [51.64626293229085]
  ハードネガティブサンプリング(HNS)を効果的に活用するための2つの洞察に富んだガイドラインを提供する。 パーソナライズされたランク付け(BPR)学習者におけるHNSの利用は、一方通行部分AUC(OPAUC)の最適化と等価であることを示す。 これらの分析は、初めてトップKレコメンデーションパフォーマンスを最適化するHNSの理論的基盤を確立する。
  論文  参考訳（メタデータ） (2023-02-07T13:57:03Z)
• Deep Learning-based Non-Intrusive Multi-Objective Speech Assessment Model with Cross-Domain Features [31.59528815233441]
  我々はMOSA-Netと呼ばれるクロスドメイン多目的音声アセスメントモデルを提案し、同時に複数の音声アセスメント指標を推定できる。 実験の結果, 音声品質(PESQ)予測の知覚評価において, MOSA-Net は線形相関係数 (LCC) を 0.026 (0.990 vs 0.964) と 0.012 (0.969 vs 0.957) で改善できることがわかった。
  論文  参考訳（メタデータ） (2021-11-03T17:30:43Z)
• Task-Specific Normalization for Continual Learning of Blind Image Quality Models [105.03239956378465]
  視覚的画像品質評価(BIQA)のための簡易かつ効果的な連続学習法を提案する。 このアプローチの重要なステップは、トレーニング済みのディープニューラルネットワーク(DNN)のすべての畳み込みフィルタを凍結して、安定性を明示的に保証することです。 我々は、各新しいIQAデータセット(タスク)に予測ヘッドを割り当て、対応する正規化パラメータをロードして品質スコアを生成する。 最終的な品質推定は、軽量な$K$-meansゲーティング機構で、すべての頭からの予測の重み付け総和によって計算される。
  論文  参考訳（メタデータ） (2021-07-28T15:21:01Z)
• Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
  空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。 本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。 地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
  論文  参考訳（メタデータ） (2020-07-23T13:32:47Z)

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。