文献

J-GLOBAL ID：201702220213849669   整理番号：17A1399521

サービスとしての初期大気汚染予測:アンサンブル学習アプローチ【Powered by NICT】

Early Air Pollution Forecasting as a Service: An Ensemble Learning Approach

著者 (8件)： Zhang Chao ,  Yan Junchi ,  Li Yunting ,  Sun Feng ,  Yan Jinghai ,  Zhang Dawei ,  Rui Xiaoguang ,  Bie Rongfang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICWS  ページ： 636-643  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大気質はすべての社会層を含む人間の主要な世界的関心事になってきた,発展途上国と先進国の両方に対して。正確で初期大気汚染予測のWebサービスは非常に重要である,積極的に予防と保護測定を行うを人々が行えるようにした。大気質予測機械学習ベースの経過に及ぼすの試みとして,本論文では,イニシアティブとこの困難な問題を解くためのその技術内容を紹介した。具体的には,本研究は,その影響とアルゴリズム的革新と展開の両方に関する三種類の主要なハイライトを含む1)多チャネルアンサンブル学習フレームワークを提案し,2),すなわちディープBoltzmannマシンに基づく十分統計量特徴マッピング,新しい教師つき特徴学習と抽出法,学習システムのためのビルディングブロックとして役立つを提案する,3)大気汚染に対する戦いの最前線,予測のためのウェブサービスとして組み込まれているである,中国,北京市に大気汚染予測法を標的とする。実世界データ上での実時間大気汚染予測の包括的な実験を行い,配置されたWebサービスシステムの提案した方法と値の有効性を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *学習 ,  Webサービス ,  機械学習 ,  *大気汚染 ,  予測技法 ,  Boltzmannマシン ,  発展途上国 ,  アルゴリズム ,  *予測 ,  先進国 ,  中華人民共和国
準シソーラス用語： 北京市 ,  学習支援システム ,  大気質 ,  *アンサンブル学習 , 【Automatic Indexing@JST】

分類 (5件)： オペレーションズリサーチ一般  (KA03010Q) ,  工業所有権  (HA03000C) ,  水資源・水工学一般  (RC11010U) ,  エネルギーに関する技術・経済問題  (LA01050V) ,  食品衛生一般  (FJ01051H)

タイトルに関連する用語 (5件)： サービス ,  初期 ,  大気汚染 ,  予測 ,  アンサンブル学習