Cross-improvement design among cognition, infrastructure, and system toward the realization of a resilient urban transport function

认知、基础设施和系统的交叉改进设计,实现弹性城市交通功能

基本信息

  • 批准号:
    16H02907
  • 负责人:
  • 金额:
    $ 9.73万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
  • 财政年份:
    2016
  • 资助国家:
    日本
  • 起止时间:
    2016-04-01 至 2019-03-31
  • 项目状态:
    已结题

项目摘要

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Do People Explicitly Make a Frame Choice Based on the Reference Point?
  • DOI:
    10.3389/fpsyg.2018.02552
  • 发表时间:
    2018-12-17
  • 期刊:
  • 影响因子:
    3.8
  • 作者:
    Honda, Hidehito;Shirasuna, Masaru;Ueda, Kazuhiro
  • 通讯作者:
    Ueda, Kazuhiro
EXPERIMENT ON THE VEHICULAR EVACUATION FROM TSUNAMI CONSIDERING TRAFFIC SITUATION AND TRAFFIC JAM INFORMATION
考虑交通状况和交通拥堵信息的海啸车辆疏散实验
車載カメラ画像を用いた道路の地震被害抽出に向けた基礎検討
利用车载摄像头图像提取道路震害的基础研究
  • DOI:
  • 发表时间:
    2016
  • 期刊:
  • 影响因子:
    0
  • 作者:
    S. Nakano;T. Ibuki and M. Sampei;瀬崎陸,丸山喜久
  • 通讯作者:
    瀬崎陸,丸山喜久
進化計算を用いた人間の感性理解のための遺伝子解析法
利用进化计算理解人类情感的遗传分析方法
  • DOI:
  • 发表时间:
    2017
  • 期刊:
  • 影响因子:
    0
  • 作者:
    乙武 北斗;高丸 圭一;内田 ゆず;木村 泰知;野村 俊太 荒井 幸代
  • 通讯作者:
    野村 俊太 荒井 幸代
Learning Cooperative Policy among Self-Driving Vehicles for Reducing Traffic Jams
学习自动驾驶车辆之间的合作政策以减少交通拥堵
{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Arai Sachiyo其他文献

Estimation of personal driving style via deep inverse reinforcement learning
通过深度逆强化学习估计个人驾驶风格
  • DOI:
    10.1007/s10015-021-00682-2
  • 发表时间:
    2021
  • 期刊:
  • 影响因子:
    0.9
  • 作者:
    Kishikawa Daiko;Arai Sachiyo
  • 通讯作者:
    Arai Sachiyo
Multi-objective deep inverse reinforcement learning for weight estimation of objectives
用于目标权重估计的多目标深度逆强化学习
  • DOI:
    10.1007/s10015-022-00773-8
  • 发表时间:
    2022
  • 期刊:
  • 影响因子:
    0.9
  • 作者:
    Takayama Naoya;Arai Sachiyo
  • 通讯作者:
    Arai Sachiyo
サービスデザインに関するシステムズアプローチ
服务设计的系统方法
  • DOI:
  • 发表时间:
    2016
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Kitazato Yuki;Arai Sachiyo;谷崎 隆士,藤井 信忠,新村 猛
  • 通讯作者:
    谷崎 隆士,藤井 信忠,新村 猛

Arai Sachiyo的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Arai Sachiyo', 18)}}的其他基金

Adaptive modal shift of waste-based biomass reduction logistics by sensor coordination
通过传感器协调实现基于废物的生物质减量化物流的自适应模式转变
  • 批准号:
    16K12537
  • 财政年份:
    2016
  • 资助金额:
    $ 9.73万
  • 项目类别:
    Grant-in-Aid for Challenging Exploratory Research

相似海外基金

計測・通信品質が保証されない環境下の多目的フィードフォワード最適制御と強化学習
测量和通信质量无法保证环境下的多目标前馈最优控制和强化学习
  • 批准号:
    23K20948
  • 财政年份:
    2024
  • 资助金额:
    $ 9.73万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
人と自律システム系の多目的性に着目した逆強化学習の展開:危険ゼロと快適最大化
逆向强化学习的发展重点关注人类和自主系统的多用途性质:零危险和最大舒适度
  • 批准号:
    23K24921
  • 财政年份:
    2024
  • 资助金额:
    $ 9.73万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
計測・通信品質が保証されない環境下の多目的フィードフォワード最適制御と強化学習
测量和通信质量无法保证环境下的多目标前馈最优控制和强化学习
  • 批准号:
    21H01353
  • 财政年份:
    2021
  • 资助金额:
    $ 9.73万
  • 项目类别:
    Grant-in-Aid for Scientific Research (B)
Reward occurence probability vector space that Visualizes the distribution of whole learning results of multi-objective reinforcement learning
可视化多目标强化学习整体学习结果分布的奖励出现概率向量空间
  • 批准号:
    20K11946
  • 财政年份:
    2020
  • 资助金额:
    $ 9.73万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
Acquisition of Action Strategies by Deep Reinforcement Learning: Recovery Planning for Company's Earthquake and Tsunami Damage
通过深度强化学习获取行动策略:公司地震和海啸损失的恢复规划
  • 批准号:
    20K15001
  • 财政年份:
    2020
  • 资助金额:
    $ 9.73万
  • 项目类别:
    Grant-in-Aid for Early-Career Scientists
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了