文献

J-GLOBAL ID：201902257385127313   整理番号：19A2216261

ニューラルネットワークによる非従来型緊急事態の進化予測:大都市の経験的研究【JST・京大機械翻訳】

Evolution prediction of unconventional emergencies via neural network: An empirical study of megacities

著者 (6件)： Chen Ning (College of Computer Science and Technology, Henan Polytechnic University, Henan, PR China) ,  Zhou Dan (Institutes of Science and Development, Chinese Academy of Sciences, Beijing, PR China) ,  Zhou Dan (University of Chinese Academy of Sciences, Beijing, PR China) ,  Ma Yingchao (Safety and Emergency Management Research Center, Henan Polytechnic University, Jiaozuo, PR China) ,  Chen An (Institutes of Science and Development, Chinese Academy of Sciences, Beijing, PR China) ,  Chen An (University of Chinese Academy of Sciences, Beijing, PR China)
資料名： International Journal of Disaster Risk Reduction  (International Journal of Disaster Risk Reduction)
巻： 39  ページ： Null  発行年： 2019年 
JST資料番号： W3381A  ISSN： 2212-4209  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： メガシティは国内の重要な位置を占めており,それらは世界全体を占めている。したがって,非従来の緊急事態の進化メカニズムを調査し,メガシティにおける二次災害を予測する確率を調査することは,非常に重要である。本論文において,著者らは,従来の緊急事態の進化予測問題を研究して,それをマルチラベル分類として定式化した。新しいマルチラベル学習ベクトル量子化(LVQ)ニューラルネットワークを提案して,サブイベントのタイプを予測することができる予測モデルを構築した。世界中の85のメガacの実際のデータセットを収集し,実験における事例研究として用いた。予測性能を,実際のラベルセットと検索ラベルセットの間の整合によって測定した。経験的結果は,二次災害のタイプを予測するためのマルチラベルシナリオにLVQを使用することの有効性を実証した。このモデルは,潜在的二次災害を予測するための緊急管理者にとって有益であり,災害予防と軽減のための情報決定を行う。Copyright 2019 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： *予測 ,  有効性 ,  事例研究 ,  予測モデル ,  学習 ,  *大都市 ,  管理者 ,  防災 ,  モデル ,  定式化 ,  *ニューラルネットワーク ,  ベクトル量子化
準シソーラス用語： 予測性能 ,  マルチラベル分類 ,  二次災害 , 【Automatic Indexing@JST】

著者キーワード (5件)： 非従来型緊急事態 ,  巨大都市 ,  進化メカニズム ,  ベクトル量子化の学習 ,  マルチラベル分類

分類 (1件)： 自然災害  (RA02030M)

タイトルに関連する用語 (6件)： ニューラルネットワーク ,  進化 ,  予測 ,  大都市 ,  経験 ,  研究