278385記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 車両軌跡からの交通状態推定と異方性ガウス過程（Traffic State Estimation from Vehicle Trajectories with Anisotropic Gaussian Processes）
2 分で読了
0 views

車両軌跡からの交通状態推定と異方性ガウス過程

（Traffic State Estimation from Vehicle Trajectories with Anisotropic Gaussian Processes）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近うちの現場で「車から取れる軌跡データで渋滞をちゃんと把握できる」と聞きました。センサーを大量に入れずに済むなら投資は抑えられますが、本当に実用になるものなのでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、要点は三つです。まず、少ない車両の軌跡から走行速度を穴埋めする技術、次に渋滞の伝播方向を正しく捉えるための”向き”を取り込む方法、最後に予測の不確かさも出せる点です。これらがそろえば現場で実用になりますよ。

田中専務

専門用語は後で教えてください。まずは、どれくらいのデータがあれば実用できるのか、過去にやった例はありますか。5%とか聞きましたが、それでも大丈夫なんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！実験では接続車（Connected Vehicles）率を模した5%から50%まで試しています。ポイントは単に量ではなく、どこにデータがあるか、つまり空間と時間での分布が重要です。データが偏っていると補完の仕方を工夫する必要がありますよ。

田中専務

なるほど。しかし現場では渋滞が矢印のように伸びたり縮んだりします。そういう”向き”の情報をどうやって取り込むのですか。

AIメンター拓海

いい質問です。ここで登場するのがGaussian Process（GP）

論文研究シリーズ
前の記事
反事実的公平性を備えた異常検知の実現
（Achieving Counterfactual Fairness for Anomaly Detection）
次の記事
網膜症分類のための信頼性の高い低複雑度深層モデル
（IKD+: Reliable Low Complexity Deep Models for Retinopathy Classification）
関連記事
異種データ発見の実運用化に向けて
（Towards Operationalizing Heterogeneous Data Discovery）
モジュール型遺伝的知識転移フレームワーク
（HKT: A Biologically Inspired Framework for Modular Hereditary Knowledge Transfer in Neural Networks）
推定を学ぶ：MIMO-OFDMチャネル推定のためのリアルタイムオンライン学習フレームワーク
(Learning to Estimate: A Real-Time Online Learning Framework for MIMO-OFDM Channel Estimation)
機械学習モデル比較のための集合可視化
（Set Visualizations for Comparing and Evaluating Machine Learning Models）
テロ組織の活動プロファイルのための隠れマルコフモデル
（Hidden Markov Models for the Activity Profile of Terrorist Groups）
MetaMolGen: モチーフ生成で少データ状況を打破する分子設計法
（MetaMolGen: A Neural Graph Motif Generation Model for De Novo Molecular Design）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
対称で低消費エネルギーな歩行の学習
（Learning Symmetric and Low-Energy Locomotion）
  • 論文研究
データ非依存で作る汎用敵対的摂動
（Generalizable Data-free Objective for Crafting Universal Adversarial Perturbations）
  • 論文研究
Intel nGraph：フレームワークとハードウェアを橋渡しする中間表現とコンパイラ
（Intel® nGraph™: An Intermediate Representation, Compiler, and Executor for Deep Learning）
  • 論文研究
スケールアウト深層学習トレーニングの実践設計
（On Scale-out Deep Learning Training for Cloud and HPC）
  • 論文研究
幾何データ集合の内在次元
（Intrinsic Dimension of Geometric Data Sets）
  • 論文研究
Training Set Debugging Using Trusted Items
（Training Set Debugging Using Trusted Items）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む