Projektbeschreibung
Mit synthetischen Datensätzen KI in der Luftfahrt fördern
Bei KI-Anwendungen für das Flugverkehrsmanagement bestehen große Herausforderungen, etwa der Mangel an verfügbaren realen Daten (insbesondere sicherheitsrelevante Daten) und die Schwierigkeiten mit der Anpassung an neue, unbekannte Umgebungen. Diese Einschränkungen behindern die Entwicklung und die Maßstabserweiterung von KI-Instrumenten im Luftfahrtsektor. Die Arbeit des EU-finanzierten Projekts SynthAIR zielt darauf ab, KI-Verfahren zur Erzeugung synthetischer Daten im Zusammenhang mit dem Flugverkehrsmanagement zu nutzen. Das Kernkonzept beruht auf dem universellen Zeitreihengenerator, einem Modell, das anhand verschiedener Zeitreihendaten trainiert wurde und in der Lage ist, synthetische Datensätze für neue Szenarien zu erzeugen, beispielsweise Daten für einen nicht überwachten Flughafen. Das vorgeschlagene Verfahren erfordert weniger Fachwissen und optimiert die Generalisierung. Der Zeitreihengenerator könnte gleichermaßen dazu dienen, eine Prognose zu definieren, mit der Ergebnisse in unerkundeten Umgebungen ohne weiteres Training vorhersagbar sind.
Ziel
The main objective of SynthAIR is to explore and define AI-based methods for synthetic data generation in the domain of ATM system due to the limitation of AI-based tools development by the lack of enough data available (e.g. safety-related data) and the problem of generalization of those AI-based models. We want to explore data-driven methods for synthetic data generation, since they require 1) less user knowledge expertise (no need to derive the explicit model of the distribution), 2) better generalization capabilities. More in detail, inspired by recent advancement in Computer vision and Language Technology, we propose the concept of Universal Time Series Generator (UTG). A UTG, is a model trained on several different time series, and able to generate a synthetic dataset representing a new dataset, simply conditioned by a compressed representation of it. In aviation domain, this generator can be trained on a certain set of data related, for example to few airports, and be used to generate synthetic data from a new airport. The same principle can be applied to define a universal time series forecaster (UTF) able to do prediction to a new environment (I.e. data from a new airport) without any new training.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
- HORIZON.2.5 - Climate, Energy and Mobility Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) HORIZON-SESAR-2022-DES-ER-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-JU-RIA -Koordinator
7034 Trondheim
Norwegen