Opis projektu
Wykorzystanie syntetycznych zbiorów danych do rozwoju SI w lotnictwie
Zastosowania SI w zarządzaniu ruchem lotniczym (ATM) napotykają na poważne wyzwania, w tym brak dostępnych danych ze świata rzeczywistego (szczególnie związanych z bezpieczeństwem) i z trudnością w dostosowywaniu się do nowych, niewidocznych środowisk. Ograniczenia te utrudniają rozwój i skalowanie narzędzi SI w sektorze lotniczym. Finansowany przez UE projekt SynthAIR ma na celu wykorzystanie technik SI do generowania syntetycznych danych w kontekście ATM. Podstawowa koncepcja bazuje na uniwersalnym generatorze szeregów czasowych (UTG), modelu wytrenowanym na kilku różnych danych szeregów czasowych i zdolnym do tworzenia syntetycznych zestawów danych dla nowych scenariuszy, takich jak dane dla niemonitorowanego lotniska. Proponowana metoda wymaga mniejszej wiedzy specjalistycznej i poprawia uogólnienie. UTG można by także wykorzystać do zdefiniowania forecastera, przewidującego wyniki w niezbadanych warunkach bez dalszego trenowania.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.2.5 - Climate, Energy and Mobility Main Programme
Zaproszenie do składania wniosków
(odnośnik otworzy się w nowym oknie) HORIZON-SESAR-2022-DES-ER-01
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-JU-RIA - HORIZON JU Research and Innovation ActionsKoordynator
7034 Trondheim
Norwegia