文献

J-GLOBAL ID：201802261014302599   整理番号：18A1726259

航空宇宙運用複雑性評価のための知識伝達ベース学習フレームワーク【JST・京大機械翻訳】

A knowledge-transfer-based learning framework for airspace operation complexity evaluation

著者 (9件)： Cao Xianbin (School of Electronics and Information Engineering, Beihang University, Beijing 100191, China) ,  Cao Xianbin (Key Laboratory of Near Space Information System, Ministry of Industry and Information Technology, Beijing 100191, China) ,  Zhu Xi (School of Electronics and Information Engineering, Beihang University, Beijing 100191, China) ,  Zhu Xi (Key Laboratory of Near Space Information System, Ministry of Industry and Information Technology, Beijing 100191, China) ,  Tian Zhencai (Operation Supervisory Center, Civil Aviation Administration of China, Beijing 100710, China) ,  Chen Jun (School of Engineering and Materials Science, Queen Mary University of London, London E1 4NS, UK) ,  Wu Dapeng (Department of Electrical and Computer Engineering, University of Florida, Gainesville, FL 32611, United States) ,  Du Wenbo (School of Electronics and Information Engineering, Beihang University, Beijing 100191, China) ,  Du Wenbo (Key Laboratory of Near Space Information System, Ministry of Industry and Information Technology, Beijing 100191, China)
資料名： Transportation Research. Part C. Emerging Technologies  (Transportation Research. Part C. Emerging Technologies)
巻： 95  ページ： 61-81  発行年： 2018年 
JST資料番号： W0534A  ISSN： 0968-090X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 部門は,運転が航空交通制御装置に割り当てられているコンポーネントエアスペースである。部門の運用複雑性は現在の航空交通管理システムにおいて重要な役割を果たしている。例えば,それは航空交通制御装置の作業負荷量を決定し,航空宇宙構成と交通流管理のための信頼できる指標として役立つ。したがって,部門運用の複雑さを正確に評価することは,実践と研究の両方において最も重要な問題である。多数の相互作用因子により,ただ一つの単一の複雑さ指標に基づく伝統的方法は,特にこれらの因子が非線形的に相関する場合,真の複雑さを正確に反映することができない。これらに照らして,複雑な因子-複雑性関係を採掘するために機械学習モデルを使用する試みは,最近普及した。しかし,これらのモデルの性能は十分なサンプルに大きく依存する。膨大なデータ収集の高コストは,しばしば小さな訓練集合をもたらし,これらの機械学習モデルが達成できる性能に悪影響を与える。この問題を克服するために,本論文では,特に小訓練サンプル環境に対する知識転送に基づく新しいセクタ演算複雑性評価フレームワークを提案した。提案したフレームワークは,ターゲット部門のサンプル内に隠された知識を効果的にマイニングすることができる。すなわち,部門は評価を受ける。さらに,このフレームワークは,異なるセクターから得られた知識の間の統合を適切に扱うことができる。中国における6部門の実データに関する広範な実験により,提案フレームワークは,目標部門の小さな訓練集合のみが利用可能な場合に,複雑性評価に対して有望な性能を達成できることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  モデル ,  相互作用 ,  演算 ,  航空交通管制 ,  データ収集 ,  *航空輸送 ,  制御装置 ,  機械学習 ,  交通流
準シソーラス用語： 空気層 ,  *複雑性 ,  *航空宇宙 , 【Automatic Indexing@JST】

著者キーワード (6件)： 航空宇宙運用の複雑さ ,  複雑性評価 ,  機械学習 ,  小サンプル ,  知識移転 ,  評価者の統合

分類 (1件)： 航空交通管制・航法施設  (TE01030T)

タイトルに関連する用語 (7件)： 航空宇宙 ,  運用 ,  複雑性 ,  評価 ,  知識 ,  学習 ,  フレームワーク