ترجمه فارسی مقاله استنتاج کیفیت هوا به دست آمده بر اساس داده های سنجش با کیفیت پایین با استفاده از یادگیری خودکاره

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Fine-gained air quality inference based on low-quality sensing data using self-supervised learning
عنوان مقاله به فارسی استنتاج کیفیت هوا به دست آمده بر اساس داده های سنجش با کیفیت پایین با استفاده از یادگیری خودکاره
نویسندگان Meng Xu, Ke Han, Weijian Hu, Wen Ji
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 18 August, 2024; originally announced August 2024. , Comments: 17 pages
توضیحات به فارسی ارائه شده در 18 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 17 صفحه
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Fine-grained air quality (AQ) mapping is made possible by the proliferation of cheap AQ micro-stations (MSs). However, their measurements are often inaccurate and sensitive to local disturbances, in contrast to standardized stations (SSs) that provide accurate readings but fall short in number. To simultaneously address the issues of low data quality (MSs) and high label sparsity (SSs), a multi-task spatio-temporal network (MTSTN) is proposed, which employs self-supervised learning to utilize massive unlabeled data, aided by seasonal and trend decomposition of MS data offering reliable information as features. The MTSTN is applied to infer NO$_2$, O$_3$ and PM$_{2.5}$ concentrations in a 250 km$^2$ area in Chengdu, China, at a resolution of 500m$\times$500m$\times$1hr. Data from 55 SSs and 323 MSs were used, along with meteorological, traffic, geographic and timestamp data as features. The MTSTN excels in accuracy compared to several benchmarks, and its performance is greatly enhanced by utilizing low-quality MS data. A series of ablation and pressure tests demonstrate the results' robustness and interpretability, showcasing the MTSTN's practical value for accurate and affordable AQ inference.

چکیده به فارسی (ترجمه ماشینی)

نقشه برداری با کیفیت هوای ریز (AQ) با گسترش میکرو ایستگاه های ارزان قیمت AQ (MSS) امکان پذیر است.با این حال ، اندازه گیری آنها اغلب در برابر آشفتگی های محلی نادرست و حساس است ، بر خلاف ایستگاه های استاندارد (SSS) که خوانش های دقیقی را ارائه می دهد اما تعداد آنها کوتاه است.برای پرداختن به همزمان با مسائل مربوط به کیفیت پایین داده ها (MSS) و پراکندگی برچسب بالا (SSS) ، یک شبکه فضایی و زمانی چند منظوره (MTSTN) ارائه شده است ، که از یادگیری خودآور برای استفاده از داده های عظیم بدون برچسب استفاده می کند ، به کمک فصلی و فصلیتجزیه روند داده های MS که اطلاعات قابل اعتماد را به عنوان ویژگی ها ارائه می دهند.MTSTN برای استنباط بدون $ _2 $ ، o $ _3 $ و PM $ _5 {2.5 $ غلظت $ در منطقه 250 کیلومتر $^2 $ در چنگدو ، چین ، با وضوح 500 متر $ 500 میلیون $ $ \ \ اعمال می شود.بار 1 دلار.از داده های 55 SSS و 323 MSS به همراه داده های هواشناسی ، ترافیک ، جغرافیایی و Timestamp به عنوان ویژگی ها استفاده شد.MTSTN در مقایسه با چندین معیار از دقت برخوردار است و با استفاده از داده های MS با کیفیت پایین ، عملکرد آن تا حد زیادی افزایش می یابد.مجموعه ای از تست های فرسایش و فشار نشان دهنده استحکام و تفسیر نتایج ، نشان دادن ارزش عملی MTSTN برای استنباط AQ دقیق و مقرون به صرفه است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.