Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaTransportasiCAREER: Physics Regularized Machine Learning Theory: Modeling Stochastic Traffic Flow Patterns for Smart Mobility Systems
Proyek riset & pengembangan

CAREER: Physics Regularized Machine Learning Theory: Modeling Stochastic Traffic Flow Patterns for Smart Mobility Systems

Ringkasan tujuan riset

Gaussian process yang diregularisasi model arus lalu lintas menggabungkan pembelajaran streaming, data multiresolusi, dan Bayesian committee machine untuk prediksi mobilitas yang cepat serta kokoh.

Transportasi1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2234289Periode tercatat 2022-08-01 sampai 2027-02-28.NSF 2234289MulaiAkhir tercatat202220282022-08-012027-02-28
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Data trafik sparse atau berderau membuat estimasi pola stokastik kurang andal. Proyek ini memasukkan model arus kontinu dan diskret ke regularisasi pelatihan Gaussian process, lalu mengembangkan pembaruan streaming agar prediksi mengikuti masukan baru. Data dengan fidelitas, sumber, serta resolusi berbeda dipadukan melalui sparse GP dan Bayesian committee machine untuk percepatan. Pendekatan menghubungkan teori transportasi dengan pembelajaran, dengan akurasi dan manfaat aplikasi smart mobility masih perlu dievaluasi.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Maryland, College Park
Program
CIS-Civil Infrastructure Syst, CAREER: FACULTY EARLY CAR DEV
Periode pendanaan tercatat
2022-08-01 → 2027-02-28

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Civil, Mechanical, & Manufacturing Innovation

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.