PulseAugur
中
实时 11:42:30
English(EN) Adaptive Sampling for Automated Post-Disaster Rapid Damage Assessment via Level-Set Cost-Aware Bayesian Optimization

贝叶斯优化框架改进灾后损伤评估

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的成本感知贝叶斯优化框架，并结合了等值线估计，以改进灾后损伤评估。该系统指导自主数据收集器（如无人机）前往信息量最大的区域，动态更新损伤估计并减少不确定性，同时最大限度地降低运营成本。该框架通过合成数据和高保真灾难模拟进行了验证，证明了其能够准确追踪损伤边界并为应急响应提供及时信息。 AI

影响 该框架通过实现更高效的数据收集和损伤评估，可以显著提高应急响应的速度和准确性。

排序理由 该集群包含一篇详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

贝叶斯优化框架改进灾后损伤评估

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Boyang Xu, Mostafa Reisi Gahrooei, Mohammad Ilbeigi, Hao Yan ·

    Adaptive Sampling for Automated Post-Disaster Rapid Damage Assessment via Level-Set Cost-Aware Bayesian Optimization

    arXiv:2608.02868v1 Announce Type: new Abstract: Natural disasters frequently inflict severe damage to the built environment, which demands a rapid, reliable, and cost-effective damage assessment for emergency response. However, traditional methods for post-disaster damage assessm…

相关实体

相关话题