Connect with us

Teknologi

Pembelajaran mesin mempercepat lajur kendaraan | Berita MIT

Published

on

Apakah Anda menunggu pengiriman paket liburan? Masalah matematika yang rumit harus diselesaikan sebelum truk pengiriman tiba di depan pintu Anda, dan peneliti MIT memiliki strategi yang dapat mempercepat penyelesaiannya.

Pendekatan ini berlaku untuk masalah rute kendaraan seperti pengiriman last mile, di mana tujuannya adalah untuk mengirimkan barang dari Central Depot ke beberapa kota sekaligus mengurangi biaya perjalanan. Meskipun ada mekanisme yang dirancang untuk memecahkan masalah ini untuk beberapa ratus kota, di kota-kota besar solusi ini jauh lebih lambat.

Untuk mengatasi hal ini, Gilbert W. Snyder dari Institute for Data, Systems and Society on Civil and Environmental Engineering. Kathy Woo, asisten profesor Pengembangan Karir Winslow, dan murid-muridnya telah mengembangkan teknik pembelajaran mesin yang mempercepat beberapa teknik yang paling kuat. Solusi Algoritma 10 hingga 100 kali.

Untuk memecahkan 200 masalah tambahan dari pengoperasian kendaraan di antara 2.000 kota, mekanisme solusi bekerja dengan membagi masalah pengiriman menjadi masalah tambahan yang lebih kecil. Wu dan rekan-rekannya menyempurnakan proses ini dengan algoritme pembelajaran mesin baru yang mengidentifikasi sub-masalah paling efektif untuk dipecahkan daripada menyelesaikan semua sub-masalah, meningkatkan kualitas solusi saat menggunakan urutan perhitungan yang lebih rendah.

Para peneliti mengatakan pendekatan mereka, yang mereka sebut “belajar-untuk-mewakili”, dapat diterapkan pada berbagai solusi dan masalah serupa, termasuk perencanaan dan pencarian rute untuk robot gudang.

Pendiri dan CEO Mark Guo mengatakan misi mendorong batas-batas untuk cepat menyelesaikan masalah rute kendaraan skala besar. Routif, Situs Logistik Cerdas untuk meningkatkan rute pengiriman. Beberapa peningkatan algoritme terbaru Rudyf terinspirasi oleh karya Woo, catatnya.

“Sebagian besar akademisi fokus pada mekanisme khusus untuk masalah kecil, mencoba menemukan solusi terbaik dengan mengorbankan waktu pemrosesan. Namun di dunia nyata, bisnis tidak tertarik untuk menemukan solusi terbaik, terutama jika terlalu lama menghitungnya,” Guo menjelaskan Uang, dan seluruh operasi gudang Anda tidak sabar menunggu proses pengalihan yang lambat. Suatu algoritma harus sangat cepat untuk diimplementasikan.”

READ  2C2P dan UnionPay akan meluncurkan teknologi otentikasi pembayaran online di SEA

Wu, Sirui Li, mahasiswa PhD dalam organisasi sosial dan teknik, dan Zhongxia Yan, mahasiswa PhD di bidang Teknik Elektro dan Ilmu Komputer. Penelitian mereka Minggu ini di Konferensi NeuroIPS 2021.

Memilih masalah yang baik

Masalah navigasi kendaraan adalah kelas masalah terintegrasi yang menggunakan algoritma horistik untuk menemukan “solusi yang cukup baik” untuk suatu masalah. Pada umumnya tidak mungkin menemukan jawaban yang “lebih baik” untuk masalah-masalah ini karena jumlah solusi yang mungkin sangat banyak.

“Nama permainan untuk jenis masalah ini adalah merancang algoritme yang efisien … mereka dioptimalkan dalam faktor-faktor tertentu,” jelas Wu. “Tetapi tujuannya bukan untuk menemukan solusi yang optimal. Ini sangat sulit. Sebaliknya, kami ingin menemukan solusi terbaik yang mungkin. Bahkan peningkatan 0,5% dalam solusi dapat diterjemahkan menjadi peningkatan pendapatan yang sangat besar bagi sebuah perusahaan.

Selama beberapa dekade terakhir, para peneliti telah mengembangkan berbagai heuristik untuk memberikan solusi cepat untuk masalah terintegrasi. Mereka biasanya melakukan ini dengan memulai dengan solusi awal yang buruk tetapi benar dan kemudian secara bertahap meningkatkan solusi – misalnya, dengan membuat perubahan kecil untuk meningkatkan rute antara kota-kota terdekat. Namun, untuk masalah yang lebih besar seperti tantangan Perutean Kota lebih dari 2.000, pendekatan ini akan memakan waktu lebih lama.

Baru-baru ini, metode pembelajaran mesin telah dikembangkan untuk memecahkan masalah, tetapi ketika mereka cepat, mereka bisa sangat akurat, bahkan pada tingkat beberapa lusin kota. Wu dan rekan-rekannya memutuskan untuk melihat apakah ada cara yang efektif untuk menggabungkan dua metode untuk menemukan solusi yang lebih cepat tetapi berkualitas lebih tinggi.

“Bagi kami, di sinilah pembelajaran mesin masuk,” kata Wu. “Manakah dari sub-masalah ini yang dapat kami prediksi jika kami ingin menyelesaikannya, yang akan mengarah pada peningkatan lebih lanjut dalam solusi, menghemat waktu dan biaya komputasi?”

READ  Hapus Langsung, 21 Aplikasi Android Ini Dianggap Berbahaya

Secara tradisional, heuristik masalah perutean kendaraan skala besar dapat dipilih kira-kira dalam urutan apa pun atau dengan sub-masalah menggunakan horistik lain yang dirancang dengan cermat. Dalam hal ini, peneliti MIT akan secara otomatis mendeteksi serangkaian masalah tambahan melalui jaringan saraf yang telah mereka buat, yang ketika dipecahkan, akan menghasilkan keuntungan besar dalam kualitas solusi. Proses ini mempercepat proses pemilihan sub-masalah sebesar 1,5 hingga 2 kali, menurut temuan Wu dan rekan.

“Kami tidak tahu mengapa sub-masalah ini lebih baik daripada sub-masalah lainnya,” catat Wu. “Ini benar-benar garis pekerjaan masa depan yang menarik. Jika kita memiliki beberapa wawasan, ini dapat mengarah pada desain algoritme yang lebih baik lagi.”

Kecepatan luar biasa

Woo dan rekan-rekannya kagum pada seberapa baik pendekatan ini berhasil. Dalam pembelajaran mesin, ide masuk sampah, keluar sampah berlaku – yaitu, kualitas pendekatan pembelajaran mesin sangat bergantung pada kualitas data. Masalah kolektif sangat sulit sehingga bahkan masalah tambahannya tidak dapat diselesaikan dengan cara terbaik. Data masukan Jaringan saraf yang terlatih dalam pemecahan sub-masalah “berkualitas sedang” “biasanya memberikan hasil berkualitas sedang,” kata Woo. Namun, dalam kasus ini, para peneliti dapat menggunakan solusi berkualitas menengah, jauh lebih cepat daripada metode canggih, untuk mencapai hasil berkualitas tinggi.

Untuk navigasi kendaraan dan masalah serupa, pengguna perlu merancang algoritma yang sangat khusus untuk memecahkan masalah spesifik mereka. Beberapa horistik ini telah dikembangkan selama beberapa dekade.

Sistem Learning-to-Delicate menyediakan cara otomatis untuk mempercepat horoskop ini untuk masalah besar.

Karena metode ini dapat bekerja dengan berbagai solusi, Wu mengatakan metode ini dapat berguna untuk berbagai masalah alokasi sumber daya. “Karena biaya pemecahan masalah 10 hingga 100 kali lebih rendah, kami sekarang dapat membuka aplikasi baru yang potensial.”

READ  Riset restrukturisasi menandai era baru inovasi - 29 April 2021

Penelitian ini didukung oleh MIT Indonesia Seed Fund, Program Beasiswa Transportasi Dwight David Eisenhower dari Departemen Perhubungan AS, dan MIT-IBM Watson AI Lab.

Continue Reading
Click to comment

Leave a Reply

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Teknologi

PolyU meluncurkan pusat penelitian baru untuk teknologi netralitas karbon – OpenGov Asia

Published

on

Universitas Politeknik Hong Kong (PolyU) telah mendirikan lembaga baru untuk teknologi mutakhir dan penelitian kebijakan tentang masalah daur ulang limbah padat, yang merupakan bagian penting dalam mencapai netralisasi karbon untuk mengatasi perubahan iklim. Itu Pusat Penelitian Rekayasa Sumber Daya Menuju Netralitas Karbon (RCRE) akan memfokuskan upayanya pada empat arah penelitian, termasuk kebijakan dan masyarakat, dampak lingkungan dan ekonomi, teknologi sumber daya limbah, serta daur ulang dan konstruksi berkelanjutan.

Di Hong Kong, limbah adalah salah satu dari tiga sumber emisi karbon teratas. Pemerintah HKSAR bertujuan untuk mengurangi emisi karbon pada tahun 2050 dan mencapai netralitas karbon. China, sementara itu, telah berjanji untuk mencapai netralitas karbon nasional pada tahun 2060.

RCRE mengumpulkan peneliti top dari berbagai disiplin ilmu, termasuk limbah konstruksi, limbah aspal, ban, kaca, residu insinerasi, limbah makanan, tekstil, kebijakan pengelolaan limbah, dan analisis biaya lingkungan siklus hidup. Mereka akan mengoordinasikan upaya mereka untuk mendukung strategi netralitas karbon pemerintah, yang akan mengurangi jumlah limbah yang dibutuhkan untuk menghilangkan puing-puing.

Penelitian terbaru RCRE melibatkan peningkatan keanekaragaman hayati laut di lepas pantai Landau menggunakan panel rekayasa lingkungan pasir laut dan air laut, mengembangkan bahan bangunan yang disempurnakan secara hayati, dan mengubah sampah plastik menjadi perkerasan aspal permanen.

Pusat ini akan meningkatkan situs penelitian lanjutan universitas di bidang air dan limbah, transportasi dan teknik jalan raya, jalan, bahan beton dan biofuel, serta laboratorium bersama untuk ilmu limbah padat limbah poli dengan Akademi Ilmu Pengetahuan China dari Institut Batu dan Tanah. . Mekanika.

Pada peluncuran online pusat baru, Sekretaris Lingkungan Hong Kong mencatat bahwa pengembangan teknologi memainkan peran kunci dalam mencapai netralitas karbon. Dia mencatat bahwa pemerintah mendukung universitas lokal dan perusahaan swasta untuk mengembangkan teknologi rendah karbon dan hijau. Ketika Hong Kong berusaha untuk mencapai netralitas karbon sebelum tahun 2050, Dana Teknologi Hijau senilai $200 juta dibentuk untuk memberikan dukungan keuangan yang lebih baik dan lebih terfokus untuk proyek-proyek R&D yang membantu meningkatkan karbonisasi dan perlindungan lingkungan Hong Kong.

READ  Tortosh Salad Membuat Peluncuran Robotika, Sobotics - TechCrunch

Pada saat yang sama, dengan tujuan untuk mengurangi limbah, sirkulasi sumber daya, dan zero land area, pemerintah akan mempromosikan inovasi dan pengembangan teknologi, serta penelitian & IT dan pengujian dekorasi, menurut Rencana Limbah untuk Hong Kong 2035. Mengintegrasikan dan memperkuat teknologi, dan pemulihan hilir, kemampuan daur ulang dan sumber daya limbah.

Pemimpin PolyU, sebagai universitas dengan penekanan kuat pada dampak sosial, mulai meneliti pengelolaan limbah padat PolyU pada awal 1990-an. PolyU sekarang memiliki tim dan fasilitas penelitian terbesar di antara semua universitas di Hong Kong, dengan fokus pada rekayasa sumber daya netral karbon dan telah membangun rekam jejak yang kuat dan reputasi yang diakui dalam komunitas penelitian pengelolaan limbah.

RCRE, bagian dari Polio Academy for Versatile Research, akan memenuhi moto Universitas untuk belajar dan melamar demi kemaslahatan umat manusia.

Direktur RCRE, Profesor dan Kepala Departemen Bahan Konstruksi Berkelanjutan dan Kepala Departemen Teknik Sipil dan Lingkungan, mencatat bahwa pengurangan limbah dan rotasi sumber daya penting untuk pengurangan karbon, dan bahwa pemotongan ini seringkali memerlukan kebijakan pelengkap untuk memfasilitasi penggunaan yang lebih luas dan efisien. Teknik dekarbonisasi margin. RCRE berusaha menjadi pusat penelitian global terkemuka tentang masalah daur ulang limbah padat, mengembangkan Hong Kong dan Greater Bay Area sebagai model rekayasa sumber daya untuk ekonomi sirkular.

Continue Reading

Teknologi

Achiko AG mengumumkan artikel unggulan tentang bagaimana kami kembali normal dengan Teknologi Tes Cepat Covid-19 AptameXTM

Published

on

EQS-Berita: Achiko AG / Kata Kunci: Lainnya

Achiko AG mengumumkan artikel unggulan tentang bagaimana kami kembali normal dengan Teknologi Tes Cepat Covid-19 AptameXTM

Achiko AG mengumumkan artikel unggulan tentang bagaimana kami dapat kembali normal dengan AptameXD.M. Teknologi Tes Cepat Covit-19

Zürich, 17 Januari 2022Achico AG (SX: ACHI; OTCQB: ACHKF; ISIN CH0522213468) (“Achiko”, “Perusahaan”) Saya senang mengumumkan artikel unggulan JakartaPos: “Bagaimana kita kembali normal: Pemulihan kepercayaan dan kepercayaan melalui pengujian dengan AptameX “Ini membahas bagaimana Achiko berkontribusi untuk menyediakan pengujian yang terjangkau dan akurat di Indonesia melalui pengujian cepat berbasis air liur Kovit-19. OptemX(TM), yang mengisi kesenjangan antara tes cepat dan tes PCR.

Artikel tersedia di tautan ini: https://www.thejakartapost.com/adv-longform/2022/01/17/how-we-get-back-to-normal-restoring-trust-and-confidence-through-testing-with-aptamex.html Dan di bagian berita situs web Achiko: https://www.achiko.com/news.

Tentang Achico AG
Achico AG (Enam: ACHI.SW; OTCQB: ACHKF; www.achiko.com) Menciptakan solusi diagnostik gangguan yang berpusat pada orang. Produk unggulan perusahaan adalah tes Govit-19 yang cepat dan andal, yang menyediakan paspor kesehatan digital yang mudah digunakan dengan aksesori. Uji coba dan sub-aplikasi diluncurkan di Indonesia pada pertengahan 2021 dan permohonan persetujuan tanda CE di Eropa akan diajukan pada 2022.

Achiko sedang mengembangkan dan mengembangkan diagnosis berbasis optomer melalui divisi bioteknologi AptameX.D.M. Dan aplikasi perawatan kesehatan tambahan oleh divisi Digital Mobile Health Technology, Deman SehadD.M.. Tes adaptor DNA AptameX dapat diintegrasikan secara kimiawi dengan cepat, murah dan memiliki potensi luas dalam banyak diagnosis. Dengan meningkatkan AptameX dan Teman Sehat, Aciko bertujuan untuk menyediakan tes diagnostik yang cepat, akurat dan terjangkau untuk berbagai penyakit menular dan indikasi pengobatan di bidang diagnostik kesehatan yang berkembang pesat.

READ  Riset restrukturisasi menandai era baru inovasi - 29 April 2021

Berkantor pusat di Zurich, Axiso memiliki kantor di Hong Kong, Jakarta, Seoul dan Singapura.

Kontak Media:

Achico AG
Kontak investor
E: [email protected]

Swiss & Global
Marcus Ballock
Farner Konsultasi Terbatas.
E: [email protected]
D: +41 44 266 67 67

AS & Global
Jeanne Timberlake
Rekan Rooney
E: [email protected]
D: +1 646 770 8858

Penyangkalan
Komunikasi ini berisi beberapa pernyataan perspektif, baik secara eksplisit maupun implisit, mengenai Acico AG dan bisnisnya. Laporan tersebut mencakup beberapa risiko yang diketahui dan tidak diketahui, ketidakpastian, dan faktor lain yang mungkin atau mungkin tidak menunjukkan hasil, kinerja, atau pencapaian di masa mendatang dari hasil aktual, posisi keuangan, kinerja, atau pencapaian – lihat laporan Achiko AG. Achiko AG menyediakan komunikasi ini pada tanggal ini dan tidak memperbarui pernyataan perspektif apa pun yang terkandung di dalamnya sebagai akibat dari informasi baru, peristiwa di masa depan, atau lainnya.

Continue Reading

Teknologi

Lebih dari 40 kesalahan telah ditemukan di kapal pelabuhan Sydney yang baru

Published

on

Memuat

“Pembayar pajak NSW membayar banyak uang untuk mengimpor kapal yang rusak, sementara kehilangan ratusan pekerjaan yang bisa diciptakan di sini,” katanya.

“Kegagalan program transportasi yang dibangun di luar negeri oleh pemerintah NSW terus berlanjut.”

Pemerintah juga menegaskan di parlemen bahwa kapal jenis Emerald baru tidak dapat diperbaharui dengan teknologi baterai polusi rendah untuk menggantikan kapal air tawar di rute Manly.

“Transportasi untuk NSW memahami bahwa intensitas operasi kaca zamrud berkecepatan tinggi tidak dapat didukung oleh sistem baterai-listrik,” kata pemerintah.

Dalam pengumuman tahun lalu bahwa jaringan kereta api Sydney akan mengubah emisi nolnya, mantan Menteri Transportasi Andrew Constance juga mengungkapkan rencana untuk merestrukturisasi beberapa kapal di pelabuhan dengan teknologi baterai dalam waktu lima tahun.

Namun, juru bicara Transtow mengatakan desain kapal kelas sungai bisa berubah di masa depan.

“Desain kapal mendukung penerapan sistem baterai-listrik di masa depan,” kata juru bicara itu.

Biaya sewa kapal baru adalah bagian dari kontrak senilai $ 1,3 miliar yang diberikan kepada perusahaan Prancis Transdev pada Februari 2019, dan termasuk biaya pengoperasian kapal Sydney selama sembilan tahun ke depan.

Buletin Edisi Pagi adalah panduan kami untuk cerita, analisis, dan wawasan paling penting dan menarik hari ini. Daftar disini.

READ  Riset restrukturisasi menandai era baru inovasi - 29 April 2021
Continue Reading

Trending