文献

J-GLOBAL ID：201702257594384000   整理番号：17A1930172

小さなサンプルに基づく航空交通複雑性の測定【JST・京大機械翻訳】

資料名： Zhongguo Hangkong Xuebao(Yingwenban)  (Zhongguo Hangkong Xuebao(Yingwenban))
巻： 30  号： 4  ページ： 1493-1505  発行年： 2017年 
JST資料番号： C2638A  ISSN： 1000-9361  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： 交通量 ,  機械学習 ,  交通流 ,  *航空輸送 ,  部分集合 ,  雑音 ,  モデル
準シソーラス用語： 実験研究 ,  アンサンブル学習 ,  航空宇宙 ,  運転条件 ,  *複雑性 , 【Automatic Indexing@JST】

分類 (3件)： 航空交通管制・航法施設  (TE01030T) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： サンプル ,  複雑性