抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
空気交通量は,空気空間の運転条件を評価するための客観的な計量である。航空宇宙設計や交通流管理のようないくつかの応用がある。したがって,交通量を正確に測定するための信頼できる方法を同定することは重要である。多くの因子が複雑な非線形方法における交通複雑性と相関することを考慮して,研究者は,大サンプルで訓練された機械学習モデルに基づくいくつかの複雑性評価方法を提案した。しかしながら,サンプル収集の高いコストは,通常,限られた訓練セットをもたらす。本論文において,小サンプルに基づくセクター内の空気交通量を測定するためのアンサンブル学習モデルを提案した。各因子内の分類情報を利用するために,複数の多様な因子サブセット(FSS)が,因子雑音と独立解析からの誘導の下で生成される。次に,それぞれのFSSに対応して,ベース複雑性評価器を構築した。最終的な複雑性評価結果は,ベース評価者からのすべての結果を統合することによって得られる。実際の航空交通運用データを用いた実験的研究によると,このモデルは,他のステート法に比べて,小サンプルベースの交通複雑性評価に対して,このモデルの利点を示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】