論文の概要: Protocol before progress: leakage-aware evaluation of AIS trajectory prediction

• arxiv url: http://arxiv.org/abs/2609.25827v1
• Date: Tue, 22 Sep 2026 07:54:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.277027
• Title: Protocol before progress: leakage-aware evaluation of AIS trajectory prediction
• Title（参考訳）: 進展前のプロトコル:AIS軌道予測の漏洩認識評価
• Abstract要約: 我々は,容器分割,時間分割,領域分割を併用した漏洩認識プロトコルを構築した。 TrAISformer, GATransformer, およびAISFormerにインスパイアされた再建を制御した。
• 参考スコア（独自算出の注目度）: 0.3437656066916039
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reported gains in vessel-trajectory prediction from Automatic Identification System (AIS) data are credited to new architectures, but the evaluation protocol is rarely measured as a source of error reduction. We build a leakage-aware protocol with vessel-, time- and region-disjoint splits and apply it to two corpora with different traffic: 31 days of Danish national AIS traffic and 30 days of US Gulf coast traffic off Houston and Galveston. On both, we audit TrAISformer, GATransformer, and controlled AISFormer-inspired reconstructions. Three protocol effects appear in both corpora. First, TrAISformer's best-of-16 oracle decoder lowers error by a factor of 2.1-3.2 relative to greedy decoding. Second, a split that shares vessels lowers its greedy error by 23-25% at one hour, against 2% or less for a compact 0.43 M-parameter encoder. Third, a region-disjoint split raises TrAISformer's one-hour error from 2.2 to 24.6 km on the US corpus, because 99.9% of the test contexts fall in longitude bins never seen in training; the encoder built on local offsets is unaffected by this. Architectural mechanisms matter less: GATransformer's graph attention gives no measurable benefit on either corpus, while its waterway feature is worth 12-22%. The effect of a time-disjoint split is not stable across corpora (13% versus 2%). We release the splits and code.
• Abstract（参考訳）: 自動識別システム(AIS)データから得られた容器軌道予測では,新たなアーキテクチャが得られたと報告されているが,誤差低減の要因として評価プロトコルが評価されることは稀である。 我々は、船舶、時間、地域をまたいだ分割で漏れを認識できるプロトコルを構築し、異なるトラフィックを持つ2つのコーパスに適用する:デンマークのAISトラフィック31日と、ヒューストンとガルベストン沖の米国湾岸交通30日である。 また, TrAISformer, GATransformer, およびAISFormerにインスパイアされた再構成の制御を行った。 両方のコーパスに3つのプロトコル効果が現れる。 まず、TrAISformerのベストオブ16オラクルデコーダは、greedyデコーダと比較してエラーを2.1-3.2で下げる。 第二に、容器を共有する分割器は1時間に23-25%の誤差を減少させ、コンパクトな0.43Mパラメーターエンコーダでは2%以下にする。 第3に、地域分離はTrAISformerの1時間の誤差をアメリカのコーパスで2.2から24.6kmに引き上げる。 GATransformerのグラフアテンションは、どちらのコーパスにも測定可能な利点を与えません。 時間分割の影響はコーパス全体では安定ではない(13%対2%)。 私たちは分割とコードをリリースします。

関連論文リスト

• One Patch, Three Roles: What Is Actually Coupled in Autoregressive Time-Series Forecasting? [49.84472730204669]
  凍結した親の軌道は, 軽量な平行出口で観測される未来よりも適合しやすいことを示す。 また、列車選択した周期的歴史方向に沿って補正可能な残射も見出す。 Tangentはこの修正を、ニューラルパラメータやTransformerコールを追加せずに適用する。
  論文  参考訳（メタデータ） (2026-09-20T14:54:35Z)
• UniqueShip: Mitigating Data Leakage in Acoustic Ship Classification Benchmark Datasets [3.8240667211978163]
  水中音響目標認識のための機械学習対応ベンチマークデータセットであるUniqueShipを紹介する。 従来のデータセットとは異なり、トレーニングセットと評価セットの間に"データ漏洩"を明示的に制御します。 UniqueShipには4,218隻のユニークな船から2,460時間の船舶放射音がある。
  論文  参考訳（メタデータ） (2026-09-12T02:31:38Z)
• No Detectable Change in Side-Level WER from Prompt-Level Context: A Preregistered Ablation on a Production Oral-History Corpus [0.0]
  大規模なマルチモーダルモデルに推論時にコンテキストを供給することは、音声の書き起こしをドメインに適応させるための安価なレバーである。 本研究は、そのメカニズムを、自身の生産コーパスからのサンプルに基づいて、生産された口頭歴史書写ツールの即時条件付け層で検証した。
  論文  参考訳（メタデータ） (2026-08-28T21:26:35Z)
• When Graph-JEPA Learns the Wrong Thing: Diagnosing and Repairing Category-Conditional Collapse [3.0255780640228984]
  共同埋め込み予測アーキテクチャは線形探索と有効ランクによってほぼ普遍的に選択される。 本報告では,表現中に使用可能なインスタンス情報がゼロである場合に,両者が正常に読まれる事例を報告する。 Graph-JEPAは、サブグラフの残りの側面から1つのマスクされたアスペクトを予測し、線形プローブ精度0.871と有効ランク18-47を達成する。 再現性監査とターゲットゲートを備えたハーネスをリリースする。
  論文  参考訳（メタデータ） (2026-08-20T19:22:49Z)
• Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
  内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。 生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。 現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
  論文  参考訳（メタデータ） (2026-08-17T09:53:27Z)
• Benchmarking Speech-to-Speech Translation Models [55.00303727199927]
  音声音声翻訳(S2ST)は急速に進歩しているが、オフライン評価には統一されたプロトコルが欠けている。 8次元にわたる46のメトリクスを統合するベンチマークフレームワークを導入する。 FLEURSとCVSSから1,248のモデル言語構成でデプロイする。
  論文  参考訳（メタデータ） (2026-06-02T07:01:33Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Hierarchical Two-Stage Framework for Environment-Aware Long-Horizon Vessel Trajectory Prediction [30.034731404731634]
  本稿では,粗い長期予測器とグリッド対応短期予測器を組み合わせた階層型2段階フレームワークを提案する。 統合された環境モジュールは、表面電流、風ベクトル、顕著な波高を含む海洋パラメータを含む。 我々のフレームワークは、平均変位誤差(ADE)が25%、最終変位誤差(FDE)が17%上回っている。
  論文  参考訳（メタデータ） (2026-05-15T00:50:39Z)
• AdpSplit: Error-Driven Adaptive Splitting for Faster Geometry Discovery in 3D Gaussian Splatting [61.977804325410695]
  本稿では、エラー駆動型適応分割演算子であるAdpSplitを紹介し、分割子数を決定し、L1-ピクセルエラー領域統計から子パラメータを初期化する。 MipNeRF360、Deep-Blending、Thans&Templesのデータセット全体で、AdpSplitは、複数の加速された3DGSパイプラインのトレーニング時間を9.2%から22.3%削減する。 FastGSでは、AdpSplitはMipNeRF360上の全スケジュールPSNRと一致し、トレーニング時間を16.4%削減し、バニラ3DGSの12.6倍加速に対応している。
  論文  参考訳（メタデータ） (2026-05-07T19:23:16Z)
• IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
  既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。 IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
  論文  参考訳（メタデータ） (2026-04-22T03:03:33Z)
• Multi-Path Long-Term Vessel Trajectories Forecasting with Probabilistic Feature Fusion for Problem Shifting [8.970625329763559]
  本稿では,AIS(Automatic Identification System, 自動識別システム)データに基づく多経路長期船体軌道予測の精度向上を課題とする。 我々は,1～3時間のAISデータを入力として,深層自動エンコーダモデルとフェーズド・フレームワーク・アプローチを開発した。 提案モデルでは, 平均誤差と中央値誤差をそれぞれ11km, 6kmと精度良く予測できることを実証した。
  論文  参考訳（メタデータ） (2023-10-29T09:15:22Z)

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。