文献

J-GLOBAL ID：202102234731093268   整理番号：21A2454352

マルチモーダルデータと深層ニューラルネットワークによる大気汚染予測【JST・京大機械翻訳】

Air Pollution Prediction with Multi-Modal Data and Deep Neural Networks

著者 (10件)： Kalajdjieski Jovan (Faculty of Computer Science and Engineering, Ss. Cyril and Methodius University in Skopje, Rugjer Boshkovik 16, 1000 Skopje, North Macedonia) ,  Zdravevski Eftim (Faculty of Computer Science and Engineering, Ss. Cyril and Methodius University in Skopje, Rugjer Boshkovik 16, 1000 Skopje, North Macedonia) ,  Corizzo Roberto (Department of Computer Science, American University, Washington, DC 20016, USA) ,  Lameski Petre (Faculty of Computer Science and Engineering, Ss. Cyril and Methodius University in Skopje, Rugjer Boshkovik 16, 1000 Skopje, North Macedonia) ,  Kalajdziski Slobodan (Faculty of Computer Science and Engineering, Ss. Cyril and Methodius University in Skopje, Rugjer Boshkovik 16, 1000 Skopje, North Macedonia) ,  Pires Ivan Miguel (Instituto de Telecomunicacoees, Universidade da Beira Interior, 6201001 Covilha, Portugal) ,  Pires Ivan Miguel (Computer Science Department, Polytechnic Institute of Viseu, 3504510 Viseu, Portugal) ,  Pires Ivan Miguel (UICISA:E Research Centre, School of Health, Polytechnic Institute of Viseu, 3504510 Viseu, Portugal) ,  Garcia Nuno M. (Instituto de Telecomunicacoees, Universidade da Beira Interior, 6201001 Covilha, Portugal) ,  Trajkovik Vladimir (Faculty of Computer Science and Engineering, Ss. Cyril and Methodius University in Skopje, Rugjer Boshkovik 16, 1000 Skopje, North Macedonia)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 24  ページ： 4142  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 大気汚染は,特に増加する移動速度によって影響を受ける都市域において,上昇および深刻な環境問題になっている。センサデータの大きなアベイラビリティは,意思決定支援能力を提供する分析ツールの採用を可能にする。センサの使用は大気汚染監視を容易にするが,予測能力の欠如は実際のシナリオにおけるこのようなシステムの可能性を制限する。一方,予測方法は,特定の地域における将来の汚染を予測する機会を提供し,潜在的に有用な予防対策を示唆する。今日まで,多くの研究は大気汚染予測の問題に対処し,その多くは配列モデルに基づいている。これらのモデルを生汚染データで訓練し,続いて予測を行うのに利用した。本論文では,カメラ画像を利用して,これらの地域における大気汚染を推定する4つの異なるアーキテクチャを評価する新しい方法を提案した。これらの画像は,分類精度を高めるために気象データによってさらに強化された。提案した手法は,クラス不均衡問題を緩和するために,データ増強技術と組み合わせた生成敵対ネットワークを利用する。実験は,提案した方法が0.88までのロバスト精度を達成し,それは,大気汚染データを利用するシーケンスモデルと従来のモデルに匹敵することを示した。これは,歴史的大気汚染データが直接出力の大気汚染データに関係することを考慮した顕著な結果であり,一方,提案したアーキテクチャは,本質的に非常に困難な問題である大気汚染を認識するためにカメラ画像を使用する。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  *大気汚染 ,  *ネットワーク ,  気象データ ,  アベイラビリティ ,  写真像 ,  都市域 ,  *多モード ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： 環境問題 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 大気汚染予測 ,  スマートシティ ,  深層学習 ,  畳込みニューラルネットワーク ,  生成敵対ネットワーク

分類 (2件)： 研究開発  (SA01040R) ,  粒状物調査測定  (SB03060E)

引用文献 (62件)：

• Molano, J.I.R.; Bobadilla, L.M.O.; Nieto, M.P.R. Of cities traditional to smart cities. In Proceedings of the 2018 13th Iberian Conference on Information Systems and Technologies (CISTI), Cáceres, Spain, 13-16 June 2018; pp. 1-6.
• Hoffmann, B. Air pollution in cities: Urban and transport planning determinants and health in cities. In Integrating Human Health into Urban and Transport Planning; Springer: Berlin/Heisenberg, Germany, 2019; pp. 425-441.
• WHO. More than 90% of the World’s Children Breathe Toxic Air Every Day; WHO: Geneva, Switzerland, 2018.
• World Health Organization. WHO Releases Country Estimates on Air Pollution Exposure and Health Impact; World Health Organization: Geneva, Switzerland, 2016.
• World Bank. Air Pollution Deaths Cost Global Economy US$225 Billion; World Bank: Washington, DC, USA, 2016.

タイトルに関連する用語 (4件)： マルチモーダル ,  深層ニューラルネットワーク ,  大気汚染 ,  予測