- 城市规模屋顶绿化的可持续发展视角、优先事项和效益
通过地理空间大数据,我们在香港的单栋建筑层面开展了屋顶绿化的城市规模评估。我们发现 85.3%的建筑物存在潜在和迫切需求进行屋顶绿化。我们进一步发现,绿色屋顶可以增加约 61%的绿地接触,并每年创造数亿港币的经济效益,但在城市热减缓(约 0 - PRE: 基于同行评审的大型语言模型评估器
通过同行评审机制,我们提出了一种能够自动评估大型语言模型的新框架,用于解决评估成本高、泛化能力低以及评估中的偏见等问题。我们在文本摘要任务上进行了广泛实验,结果表明使用单一语言模型评估存在偏见,并证明了我们的同行评审机制的有效性。
- DeepEn2023:边缘人工智能的能源数据集
应对气候变化是可持续发展和应对气候变化的 AI 技术的一个重要方向,研究中提出了 DeepEn2023 的大规模能源数据集,以测量、分析和优化边缘 AI 系统和应用的环境可持续性。
- 多任务深度学习用于高分辨率卫星图像中的大规模建筑细节提取
为了理解城市动态并促进可持续发展,我们引入了适用于从高分辨率卫星图像中同时提取空间和属性建筑细节的多任务建筑细化器(MT-BR),通过我们的采样方法训练的网络在预测准确性方面相对其他采样方法表现出改进,而 MT-BR 则在提取建筑细节方面始 - 叶片疾病分类的机器学习方法:数据、技术与应用
可持续发展需求引入了一系列信息技术来辅助农业生产。特别是,人工智能的一个分支,即机器学习应用的出现,展示了多个突破,可以增强和革新植物病理学方法。近年来,机器学习已在学术研究和工业应用中被用于叶病分类。因此,本研究将提供对该主题不同方面,包 - MemDA:基于记忆的漂移自适应城市时间序列预测
我们提出了一种新的城市时间序列预测模型,通过考虑数据中的周期性,并使用元动态网络根据漂移进行即时调整,以解决概念漂移问题。实验结果表明,我们的设计明显优于现有方法,并可以通过减小它们对分布变化的敏感性来很好地推广到现有的预测模型。
- 可持续非相关并行机器调度的元启发式优化通用框架:简明概述
通过应用元启发式优化算法解决不相关的并行机器调度问题,研究了如何在可持续发展目标的背景下实现可持续发展目标,并评估了一系列元启发式算法在优化调度问题中的有效性。
- 迈向可持续发展:综合环境健康监测的新型集成机器学习模型
城市化对经济增长有促进作用,但也通过环境恶化对环境造成危害。机器学习已成为一个有很大潜力的工具,通过识别关键的预测特征来跟踪环境恶化。最近的研究专注于利用污染物水平和颗粒物作为环境状态指标来开发预测模型,以勾勒出所面临的挑战。机器学习被用来 - KDD利用深度强化学习进行贫民窟道路规划
本文提出了一种基于深度强化学习的方法,以自动布置贫民窟的道路,在不同国家的真实城市中进行了广泛的实验,表明该方法可以显著提高可达性 14.3%,具有应用在真实的贫民窟升级中的潜力。
- 基于人工智能的框架在孟加拉实现可持续发展目标
本研究探讨了人工智能在可持续发展的三大支柱(社会、环境、经济)中的影响,以及在农业、废物分类、智慧水管理和暖通空调系统等多个领域中的应用案例,并提出了基于人工智能的可持续发展目标策略。该框架可以减少人工智能的负面影响并促进其长期积极作用,尤 - EMNLP自然语言处理中公平与环境可持续性的桥梁
探讨现行公平方法的效率和减少自然语言处理模型能源消耗的知识蒸馏技术对公平性的影响,并发现知识蒸馏技术实际上可以降低模型公平性。
- KDD利用 GIS 数据预测城市扩张
本研究采用 GIS 数据挖掘算法,分析人口增长、社会学等与城市扩张相关的时空特征,利用 ArcGIS 制图,建立空间决策支持系统,预测城市扩张概率和有关变量的值,并帮助决策者制定方案,以避免未来的扩张发生和解决已经发生的城市扩张问题,从而支 - 利用卫星图像理解和推广可持续发展
本文综合研究了使用卫星图像和机器学习了解可持续发展领域期间所面对的挑战,以及如何将二者有机结合,细致测量各类相关数据,从而量化模型表现,并探讨该研究领域的未来发展。
- EMNLP自然语言处理在可持续发展中的应用:以神经标记为例,增强社区画像
本研究论文探讨 NLP 应用在社区分析中的高潜力,提出了新的自动 UPV 分类任务,研究了包含一个详细语料库分析和一些基线神经模型的数据集,实验结果表明这个问题具有挑战性,同时也提出了未来在 NLP 和 SD 交叉领域的研究方向。
- 人工智能在实现可持续发展目标中的作用
人工智能对可持续发展目标的积极或消极影响需要得到评估,然而,应该通过适当的政策和监管支持其快速发展,否则,由于人工智能技术的透明度、问责制、安全性和道德标准等方面的缺陷,会对其发展和可持续应用产生不利影响。需要重视全球关于人工智能使用的辩论 - AAAI学习用于环境监测的非平稳时空模型
本文提出了一种名为 NOSTILL-GP 的非平稳空时可变潜在尺度高斯过程模型,用于环境监测中的空时动态建模,并通过多个实验验证证明了该模型的普适性和有效性。
- AAAI基于深度特征的遥感与贫困测绘迁移学习
通过机器学习从高分辨率遥感图像中提取大规模社会经济指标,以辅助政策决策和人道主义救助,特别是在发展中国家等缺乏可靠数据的地区。