AI ニュース 新着論文
Measuring Natural Scenes SFR of Automotive Fisheye Cameras
自動車用魚眼カメラの自然なシーンのSFRの測定
Daniel Jakab , Eoin Martino Grua , Brian Micheal Deegan , Anthony Scanlan , Pepijn Van De Ven , Ciarán Eising
変調伝達関数（MTF）は、カメラの画像の鮮明さを測る指標で、特に自動車業界で重視されます。自動運転車などのコンピュータビジョンシステムは、この鮮明さが重要ですが、多くの公開されているデータセットではMTFが考慮されていません。広い視野を持つカメラが低速で自動化された車両でよく使われるようになっています。この論文では、広視野カメラの画質を正確に評価するために、自然なシーンの空間周波数応答（NS-SFR）というアルゴリズムを改良する方法を提案しています。これにより、カメラの性能をより適切に評価し、自動車のコンピュータビジョンの精度を向上させることができます。
公開：2024-01-10
Video-based Automatic Lameness Detection of Dairy Cows using Pose Estimation and Multiple Locomotion Traits
動画を使用した姿勢推定と複数の歩行特性を用いた乳牛の自動跛行検出
Helena Russello , Rik van der Tol , Menno Holzhauer , Eldert J. van Henten , Gert Kootstra
この研究では、牛が歩く様子を撮影した動画から、牛が跛行（びっこ）をしているかどうかを自動で検出するシステムを開発しました。このシステムはディープラーニングという高度な画像処理技術を使い、牛の体の9箇所の動きを正確に把握します。実験では、さまざまな照明の下で撮影された動画を使い、99.6%の精度でこれらの点を識別しました。そして、牛の背中の姿勢、頭の動き、歩幅など6つの運動特性を分析しました。この分析により、背中の姿勢、頭の動き、歩く距離が跛行を検出する上で最も重要な特性であることがわかりました。さらに、これらの特性を組み合わせることで、跛行を検出する精度を向上させることができ、最大で80.1%の精度を達成しました。
公開：2024-01-10
CLIP-guided Source-free Object Detection in Aerial Images
CLIPによるソースフリーの航空画像物体検出
Nanqing Liu , Xun Xu , Yongyi Su , Chengxin Liu , Peiliang Gong , Heng-Chao Li
この文章は、空から撮影した高解像度の画像を使って、地上の物体を自動で識別する技術について説明しています。空撮画像は場所や天気によって見え方が変わるため、この技術は画像の違いに柔軟に対応できる必要があります。しかし、高解像度の画像はデータ量が多く、一般の人が簡単に扱うことは難しいです。この問題を解決するために、研究者たちは「ソースフリー物体検出」という新しい方法を提案しました。この方法は、特別な訓練データがなくても物体を識別できるように、自己学習という技術とCLIPというツールを組み合わせています。CLIPは画像と言葉を関連付ける能力があり、より正確な物体の識別を可能にします。この技術の効果を確かめるために、異なる条件下で撮影された2つの新しいデータセットを使って実験を行い、他の方法よりも優れていることを証明しました。
公開：2024-01-10
Toward distortion-aware change detection in realistic scenarios
現実的なシナリオにおける歪みを認識した変化検出に向けて
Yitao Zhao , Heng-Chao Li , Nanqing Liu , Rui Wang
この文章は、地球の表面の変化を検出するために使われるリモートセンシングデータ（衛星画像など）を分析する技術について説明しています。従来の方法では、人が手作業で画像を整えて（登録）ラベル付けし、それを使って機械学習モデルを訓練していました。しかし、異なる時期やセンサーからの画像は位置がずれていることが多く、これが問題となっていました。この論文では、画像の位置ずれ（幾何学的歪み）を自動で修正する新しい技術を提案しています。この技術は、画像を自動で整える前段階の学習、画像の位置合わせ、そして最終的な変化検出の精度を高めるための調整の3つのステップから成り立っています。この方法は、実際の大きなデータセットで試され、位置ずれの問題を改善できることが示されています。
公開：2024-01-10
CrossDiff: Exploring Self-Supervised Representation of Pansharpening via Cross-Predictive Diffusion Model
CrossDiff：クロス予測拡散モデルを介したパンシャープニングの自己教師付き表現の探索
Yinghui Xing , Litao Qu , ShiZhou Zhang , Xiuwei Zhang , Yanning Zhang
パンクロマチック（PAN）画像は、高い空間解像度を持つが色情報が少ない一方、マルチスペクトル（MS）画像は色情報が豊富だが解像度が低い。この研究では、PAN画像の鮮明さとMS画像の色情報を組み合わせる「パンシャープニング」という技術を改善する新しい方法を提案しています。この方法は、ディープラーニングを使って、画像の詳細と色をより正確に融合させることを目指しています。具体的には、2段階の学習プロセスを通じて、画像の特徴をより良く捉えるモデルを作成します。このモデルは、他の衛星画像にも適用可能で、その効果は広範な実験で証明されています。研究結果は再現可能であり、コードが公開される予定です。
公開：2024-01-10
Efficient Fine-Tuning with Domain Adaptation for Privacy-Preserving Vision Transformer
プライバシー保護ビジョン・トランスフォーマーの効率的なファインチューニングとドメイン適応による翻訳
Teru Nagamori , Sayaka Shiota , Hitoshi Kiya
我々は、Vision Transformer（ViT）という技術を使って、プライバシーを守りながら画像を認識する新しい方法を開発しました。この方法では、画像を暗号化しても、画像認識の精度が落ちないようにすることができます。従来の方法では、画像を暗号化すると認識精度が下がってしまう問題がありましたが、私たちの手法ではその問題を解決しています。さらに、暗号化された画像を使ってViTを効率的に調整することができます。実験では、CIFAR-10とImageNetという大きな画像データセットを使って、この手法が画像を正確に分類することを証明しました。つまり、この技術を使えば、人々のプライバシーを守りつつ、高い精度で画像を認識するシステムを作ることが可能です。
公開：2024-01-10
SwiMDiff: Scene-wide Matching Contrastive Learning with Diffusion Constraint for Remote Sensing Image
SwiMDiff：リモートセンシング画像のシーン全体におけるマッチング対照学習と拡散制約
Jiayuan Tian , Jie Lei , Jiaqing Zhang , Weiying Xie , Yunsong Li
最近の航空宇宙技術の発展により、衛星などからのリモートセンシング画像（RSI）の量が大幅に増えましたが、これらの画像にはラベル（何が写っているかの情報）が付いていないことが多いです。これらの画像をうまく活用するためには、自己教師あり学習（SSL）という技術が重要ですが、現在の方法では問題があります。特に、対比学習（CL）というSSLの手法は、似たような画像を間違って異なるものと判断したり、画像の細かい特徴を見落としたりすることがあります。これを解決するために、SwiMDiffという新しい学習フレームワークが提案されています。SwiMDiffは、画像全体を比較してラベルを正確にする方法と、画像の細かい特徴まで捉える技術を組み合わせています。これにより、リモートセンシング画像を使った変化検出や土地被覆分類などのタスクで、より良い結果を得ることができるようになります。
公開：2024-01-10
Dual-Perspective Knowledge Enrichment for Semi-Supervised 3D Object Detection
半教師あり3D物体検出のための双方向知識拡充
Yucheng Han , Na Zhao , Weiling Chen , Keng Teck Ma , Hanwang Zhang
半教師付き3D物体検出は、少ないラベル付きデータで3D空間内の物体を識別する技術です。屋内の複雑な環境で特に有効で、データの注釈付けにかかるコストを減らすことができます。これまでの研究では、ラベルのないデータから擬似ラベルを生成することで、学習を進める方法が試みられてきましたが、3Dデータの収集が大変で、ラベルのないデータが限られているという問題がありました。また、擬似ラベルの品質が低かったり、その量が限られていたりする問題もありました。これに対処するため、新しいアプローチ「DPKE」が提案されました。DPKEは、データと特徴の2つの視点から、限られたデータの知識を強化します。データ視点では、クラス確率に基づいてデータを補強し、特徴視点では、形状を考慮した特徴マッチングを行います。実験により、DPKEは少ないラベルで高い性能を達成することが示され、ソースコードは公開される予定です。
公開：2024-01-10
ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection
ECC-PolypDet：自動ポリープ検出のためのコントラスティブラーニングを使用した強化されたCenterNet
Yuncheng Jiang , Zixun Zhang , Yiwen Hu , Guanbin Li , Xiang Wan , Song Wu , Shuguang Cui , Silin Huang , Zhen Li
大腸がんを早期に見つけるためには、大腸内のポリープを正確に見つけることが重要です。しかし、大腸の中は複雑で、ポリープが見えにくいことが問題です。今までの方法では、難しいケースでポリープを見つけるのが難しかったり、多くの計算を必要としたりしていました。この論文では、新しい技術「ECC-PolypDet」という方法を提案しています。これは、画像からポリープを見つけるためのモデルを作り、そのモデルをさらに改善するための手順を2段階で行います。特に、ポリープとそれ以外を区別する学習方法や、小さなポリープも見つけやすくする技術、難しいケースに強いようにするための調整方法が含まれています。実験では、この新しい方法が他の最新技術よりも優れていることを示しています。これにより、大腸がんの早期発見がより効果的になることが期待されます。
公開：2024-01-10
Knowledge-aware Graph Transformer for Pedestrian Trajectory Prediction
歩行者の軌跡予測のための知識認識グラフトランスフォーマー
Yu Liu , Yuexin Zhang , Kunming Li , Yongliang Qiao , Stewart Worrall , You-Fu Li , He Kong
自動運転車が安全に動くためには、歩行者がどのように動くかを予測する必要があります。しかし、人々の動きは場所や状況によって変わるため、予測は難しいです。最新の技術では、過去の動きや人々の関係性を使って学習しますが、異なる場所や状況のデータの違いをうまく扱えないことがあります。この問題を解決するために、新しい方法が提案されています。この方法では、異なる場所や状況のデータの違いを理解し、予測の精度を高めるために、特別な構造と自己注意機構を使います。また、新しい評価基準も導入されています。この新しい方法は、実際のデータでテストされ、他の方法よりも良い結果を出しました。
公開：2024-01-10
CTNeRF: Cross-Time Transformer for Dynamic Neural Radiance Field from Monocular Video
CTNeRF：モノクルビデオからのダイナミックニューラルラディアンスフィールドのためのクロスタイムトランスフォーマー
Xingyu Miao , Yang Bai , Haoran Duan , Yawen Huang , Fan Wan , Yang Long , Yefeng Zheng
我々の研究は、動きのあるシーンのビデオから、新しい角度で高品質な画像を作り出す技術を開発することです。以前の技術では、動く物体を正確に再現するのが難しく、画像がぼやけたり不正確になることがありました。私たちは、近くの画像を新しい視点に組み合わせる技術を改良し、物体の動きを時間と周波数の両方で捉える新しい方法を加えました。これにより、動きのあるシーンでも、より鮮明で正確な画像を生成することができます。実験では、この技術が他の最新技術よりも優れた結果を出し、作られた画像の質と精度が向上していることを証明しました。
公開：2024-01-10
Modality-Aware Representation Learning for Zero-shot Sketch-based Image Retrieval
モダリティに注意した表現学習によるゼロショットスケッチベースの画像検索
Eunyi Lyou , Doyeon Lee , Jooeun Kim , Joonseok Lee
ゼロショット学習は、機械が見たことのない新しいカテゴリを理解するための方法です。これにより、すべてのデータを集める手間を省けます。特に、スケッチから写真を検索する「ゼロショットスケッチベース画像検索」では、スケッチと写真のペアを集めるのが大変なので、この方法が役立ちます。提案されたシステムでは、スケッチと写真を直接ペアにする代わりに、テキストを使って間接的に関連付けます。これにより、異なる種類のデータ（例えば、画像とスケッチ）の間のギャップを埋め、検索が可能になります。実験により、この方法が効果的であることが証明され、さまざまな状況に適用できることが示されました。
公開：2024-01-10
Accelerating Maximal Biclique Enumeration on GPUs
GPU上での最大二部クリーク列挙の高速化
Chou-Ying Hsieh , Chia-Ming Chang , Po-Hsiu Cheng , Sy-Yen Kuo
グラフ理論の最大二重列挙（MBE）は、ネットワークの特定のパターンを見つけるための手法で、生物学的な情報解析やソーシャルメディア、おすすめシステムなどで使われています。しかし、大きなネットワークでこの手法を使うのは計算が複雑で難しいです。そこで、cuMBEという新しいアルゴリズムが開発されました。このアルゴリズムは、高性能なグラフィックス処理ユニット（GPU）を使って計算を速く行い、メモリの使用量や余分な計算を減らす工夫がされています。cuMBEは、GPUの複数の計算部分をうまく使い、不均一な作業量を均等に分配することで、従来の方法よりも平均6倍以上速く計算できることが実験で示されました。これにより、大規模なネットワーク分析がより効率的に行えるようになります。
公開：2024-01-10
Exact Thresholds for Noisy Non-Adaptive Group Testing
ノイズの多い非適応型グループテストの正確な閾値
Junren Chen , Jonathan Scarlett
この文章は、確率的群検定（多くのアイテムから特定の特性を持つものを見つけるために行う一連のテスト）に関する数学的研究について述べています。最近、この分野では、ノイズ（誤り）がない状況でのテストの限界がよく理解されてきましたが、ノイズがある場合の理解は遅れていました。この論文では、ノイズがある状況下でのテストの限界を明らかにし、そのギャップを埋めることに成功しました。具体的には、テスト結果が間違っている可能性がある場合に、どの程度のテストが必要かという「閾値」を正確に導き出しました。これにより、既存のアルゴリズムが最適でない可能性が示され、より効率的なアルゴリズムが開発できるかどうかという新たな疑問が提起されました。
公開：2024-01-10
Photonics for Sustainable Computing
持続可能なコンピューティングのためのフォトニクス
Farbin Fayza , Satyavolu Papa Rao , Darius Bunandar , Udit Gupta , Ajay Joshi
フォトニック集積回路は、光を使って情報を処理する技術で、通信機器や自動運転車のセンサー、医療検査装置、量子コンピューター、そして人工知能（AI）の高速処理などに使われています。AIの計算量が急速に増えているため、エネルギー効率の良いフォトニック技術が注目されています。しかし、この技術の製造過程での環境への影響も大きいことがわかっています。例えば、アップルの製品の炭素排出量の大部分は製造時に発生します。研究者たちは、フォトニックチップの環境への影響を評価するために、ADEPTというAI用のフォトニックアクセラレータのケーススタディを行いました。その結果、フォトニック技術は従来の技術に比べてエネルギー効率が高く、製造時の炭素排出量も少ないため、環境に与える影響を減らすことができる可能性があることが示されました。
公開：2024-01-10
Analysis and Perspectives on the ANA Avatar XPRIZE Competition
ANAアバターXPRIZE競技に関する分析と展望
Kris Hauser , Eleanor Watson , Joonbum Bae , Josh Bankston , Sven Behnke , Bill Borgia , Manuel G. Catalano , Stefano Dafarra , Jan B. F. van Erp , Thomas Ferris , Jeremy Fishel , Guy Hoffman , Serena Ivaldi , Fumio Kanehiro , Abderrahmane Kheddar , Gaelle Lannuzel , Jacqueline Ford Morie , Patrick Naughton , Steve NGuyen , Paul Oh , Taskin Padir , Jim Pippine , Jaeheung Park , Daniele Pucci , Jean Vaz , Peter Whitney , Peggy Wu , David Locke
ANAアバターXPRIZEは、遠隔地で人間のように動くロボット「アバター」を開発する競争でした。このコンペティションでは、審査員が短時間のトレーニングでアバターを操れるかを試し、技術的な性能と使いやすさを評価しました。この研究は、競技で使われた遠隔操作技術とその革新性を分析し、それがどのように審査員のタスク遂行能力や満足度に影響したかを調べています。また、このイベントがテレロボティクス（遠隔操作ロボティクス）とテレプレゼンス（遠隔存在感）の未来にどう貢献するかについて、参加者や主催者の意見をまとめています。
公開：2024-01-10
Prompting Large Language Models for Recommender Systems: A Comprehensive Framework and Empirical Analysis
レコメンダーシステム向けの大規模言語モデルを促す：包括的なフレームワークと実証分析
Lanling Xu , Junjie Zhang , Bingqian Li , Jinpeng Wang , Mingchen Cai , Wayne Xin Zhao , Ji-Rong Wen
この研究は、ChatGPTのような大きな言語モデル（LLM）が、人々に物やサービスを推薦するシステムとしてどれだけ上手に使えるかを探っています。研究者たちは、LLMが推薦者としてどのように機能するかに焦点を当て、推薦を行うための一般的な方法を考え出しました。彼らは、自然言語で書かれた指示（プロンプト）を使ってLLMに入力を与え、この方法がさまざまな状況でどう機能するかを説明します。また、LLMが推薦を出す際に、どのような要素が結果に影響を与えるかを分析しました。これには、モデルの設計やサイズ、与えられた情報の量などが含まれます。さらに、プロンプトを作る際の重要な要素についても詳しく分析しています。研究は、2つの公開データセットを使ってこれらの要素がどのように影響するかを実験し、将来の研究のための興味深い質問を提案し、有望な研究方向をまとめています。
公開：2024-01-10
A Survey on Cross-Domain Sequential Recommendation
クロスドメインシーケンシャル推薦に関する調査
Shu Chen , Zitao Xu , Weike Pan , Qiang Yang , Zhong Ming
クロスドメイン・シーケンシャル・レコメンデーション（CDSR）は、異なる種類の商品やサービス（ドメイン）に関するユーザーの行動を分析し、それらを組み合わせてユーザーの好みをより詳細に理解する技術です。このサーベイでは、CDSRの問題を数学的に定義し、異なる方法で情報を統合する方法を分析しています。大まかな視点（マクロ）と細かい視点（ミクロ）の両方から、CDSRの構造と技術を説明し、どのように異なるドメインのデータを融合させるかを議論しています。また、実際に使えるデータセットと研究結果を紹介し、将来の研究の方向性についてのヒントも提供しています。具体的な効果としては、ユーザーに対してより適切な商品やサービスを推薦できるようになることです。
公開：2024-01-10
A class of locally recoverable codes over finite chain rings
有限連鎖環上の局所回復可能コードのクラス
Giulia Cavicchioni , Eleonora Guerrini , Alessio Meneghetti
局所的に復元可能な符号（LRC）は、データの一部が失われた時に、全てのデータを見ることなく、小さな部分だけを使ってその失われたデータを修復する技術です。この研究では、データを数学的な形（有限鎖環）で扱い、以前に提案された方法（TamoとBargの構成）を改良して、より効率的にデータを修復できる新しい方法を提案しています。この新しい方法は、特定の数学的条件を満たすデータの集まりを使って、最適な修復方法を見つけることに焦点を当てています。効果としては、データの修復がより速く、必要な追加情報が少なくて済むようになることが期待されます。
公開：2024-01-10
Accelerated Bregmann divergence optimization with SMART: an information geometry point of view
SMARTを用いた加速Bregmannダイバージェンス最適化：情報幾何学の観点から
Maren Raus , Yara Elshiaty , Stefania Petra
この文章は、ある数学的な最適化問題について説明しています。具体的には、線形モデル（数式で表される予測モデル）と正の値を持つベクトル（数値のリスト）の間の差異を、カルバック・ライブラー発散（二つの確率分布の違いを測る方法）を使って最小化する問題を扱っています。この問題は、特定の制約条件（例えば、値が正であることや、特定の範囲内にあることなど）がある状況で考えられます。研究者たちは、SMART法という効率的な計算手法を用いてこの問題を解く方法を提案しています。この手法は、数学的な最適化の手法であるブレグマンの近接勾配法に基づいており、特定の種類の確率分布に関連する数学的な空間での最適化としても解釈できます。このアプローチにより、制約条件を考慮しながらも計算を高速化することができ、その効果は大規模な数値実験によって実証されています。
公開：2024-01-10
Integrated Sensing and Communication with Reconfigurable Distributed Antenna and Reflecting Surface: Joint Beamforming and Mode Selection
統合センシングと通信における再構成可能な分散アンテナと反射面：共同ビームフォーミングとモード選択
Pingping Zhang , Jintao Wang , Yulin Shao , Shaodan Ma
この論文は、新しい技術である再構成可能な分散アンテナおよび反射表面（RDARS）を使った統合センシングおよび通信（ISAC）システムについて説明しています。RDARSは、小さな要素が集まってできた表面で、それぞれの要素を柔軟に設定して、信号を反射させたり、送受信したりできます。この技術を使うことで、通信とセンシング（例えばレーダー）の性能を向上させることができ、従来のシステムよりもコストとエネルギーの消費を減らせます。研究者たちは、このシステムの性能を最大化するために、基地局の送信ビーム形成、RDARSの反射とモード選択、受信フィルタを同時に最適化する問題を解決するための効率的なアルゴリズムを提案しています。シミュレーションの結果、この新しいフレームワークが優れた性能を持つことが示されています。
公開：2024-01-10
Multivariate Extreme Value Theory Based Rate Selection for Ultra-Reliable Communications
多変量極値理論に基づく超信頼性通信のレート選択
Niloofar Mehrnia , Sinem Coleri
この文章は、通信システムの信頼性を高めるための新しい方法について説明しています。通信では、信号が弱まったり他の信号と干渉したりすることがあります。これを「フェージング」と「同チャネル干渉」と呼びます。これらの問題に対処するために、複数の通信チャネルを使って同時に情報を送る「ダイバーシティ方式」が有効です。この研究では、特に信号が非常に信頼性が求められる状況（超高信頼通信）で、どのように通信チャネルを選び、どの速さでデータを送るかを決めるための新しい方法を提案しています。この方法は、通信の信号強度の統計的な特性を分析し、極端な状況でも確実に通信ができるように設計されています。実際の車のエンジンデータを使った実験で、この方法が従来の方法よりも信頼性が高く、高速な通信が可能であることが示されました。
公開：2024-01-10
IRS Configuration Techniques for Ultra Wideband Signals and THz Communications
超広帯域信号とTHz通信のためのIRS構成技術
Alberto Tarable , Laura Dossi , Giuseppe Virone , Alessandro Nordio
将来の6G通信では、テラヘルツ(THz)という非常に高い周波数を使うことが考えられています。これにより、データをより速く送ることができますが、新しい技術的な課題も生じます。研究者たちは、インテリジェント反射面（IRS）という技術を使って、これらの高周波数の信号を効率的に反射し、通信を改善する方法を提案しています。IRSは、信号を反射して通信範囲を広げたり、障害物を回避したりするのに役立ちます。この研究では、IRSを使った通信システムの性能を評価し、どれだけのデータ速度が達成可能か、また、システムを設定するのにどれだけ複雑な技術が必要かを分析しています。これにより、将来の6Gネットワークの設計に役立つ知見が得られます。
公開：2024-01-10
The Duality Upper Bound for Finite-State Channels with Feedback
フィードバックを持つ有限状態チャネルのデュアリティ上限
Bashar Huleihel , Oron Sabag , Ziv Aharoni , Haim H. Permuter
この論文は、情報を伝える際の効率性を測る「チャネル容量」という概念について研究しています。特に、情報の送信者が過去の送信結果に基づいて次の送信方法を調整できる「フィードバック」を持つ通信チャネルに焦点を当てています。研究者たちは、このようなチャネルの容量を計算するための新しい方法を提案し、その上限（最大値）を見つけるための数学的手法を開発しました。彼らは、特定の種類のチャネルに対して、この上限を計算するのが比較的簡単な数式を導き出しました。また、特定のチャネルの容量に非常に近い上限を見つけることに成功しました。これらの成果は、通信技術の効率を向上させるための理論的な基盤を提供します。
公開：2024-01-10
On Achieving High-Fidelity Grant-free Non-Orthogonal Multiple Access
高忠実度な無助成非直交多元接続の達成について
Haoran Mei , Limei Peng , Pin-Han Ho
グラントフリーアクセス(GFA)は、5Gやそれ以降の通信システムで使われる技術で、たくさんの機器が小さなデータを不定期に送る場合に役立ちます。この技術は、通信の待ち時間や余分な信号のやり取り（シグナリングオーバーヘッド）を減らすことを目指しています。この論文では、特にReed-Solomon（RS）符号というエラー訂正技術と、CRDSA（競合解消ダイバーシチスロットALOHA）という通信方式を組み合わせた新しい方法（K-GFA）について説明しています。この方法は、多くの機器が同時に通信しても、信頼性が高く、遅延が少ない通信を可能にすることを目指しています。具体的には、データを特定の方法でパケット化し、送信することで、受信側が少なくとも必要な数のパケットを受け取れば、元のデータを正確に復元できるようにしています。この技術の効果を理解するために、複雑な数学的モデルを使って分析し、実際に多くの実験を行って性能を検証しています。
公開：2024-01-10
Arrival Time Prediction for Autonomous Shuttle Services in the Real World: Evidence from Five Cities
自律シャトルサービスの到着時間予測：5つの都市からの証拠をもとにした実世界での研究
Carolin Schmidt , Mathias Tygesen , Filipe Rodrigues
都市の交通は、共有される自動運転車の導入によって大きく変わろうとしています。しかし、これらの車が普及するためには、時間通りに目的地に到着するという信頼が必要です。この研究では、自動運転シャトルバスの到着時間を予測する新しいシステムを紹介しています。このシステムは、車が停留所にいる時間と移動時間を別々に予測することで、シャトルがいつ到着するかをより正確に予測します。5つの都市での実データを使って検証し、特に交通量が少ない地域や速度制限がある場所での予測精度が高いことがわかりました。この研究は、自動運転公共交通の予測モデルを改善し、将来的にはよりデータに基づいた運用が可能になることを示しています。
公開：2024-01-10
Reliability Analysis of Complex Systems using Subset Simulations with Hamiltonian Neural Networks
複雑なシステムの信頼性解析におけるハミルトニアンニューラルネットワークを用いたサブセットシミュレーションの翻訳です。
Denny Thaler , Somayajulu L. N. Dhulipala , Franz Bamer , Bernd Markert , Michael D. Shields
我々は、システムの信頼性を評価するための新しい手法を提案しています。この手法は、ハミルトニアンニューラルネットワークという特殊な人工知能を使い、ハミルトニアンモンテカルロという統計的サンプリング手法を組み合わせています。この組み合わせにより、システムが故障する可能性が非常に低い状況でも、効率的にその確率を推定することができます。従来の方法では、このような推定には多くの計算が必要でしたが、提案された手法では計算コストを大幅に削減しながら、高い精度を保つことができます。特に、システムのパラメータを推定するベイズ推論問題において、この手法は計算効率が良くなるため、非常に有用です。
公開：2024-01-10
この記事が気に入ったらサポートをしてみませんか？