Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Plane Potential Flows01:23

Plane Potential Flows

1.2K
Plane potential flows simplify fluid motion by assuming the fluid to be irrotational and incompressible. These characteristics allow these flows to be described by a velocity potential function, ϕ, representing the flow speed in a given direction, and a stream function, ψ, that visualizes the flow path, both governed by Laplace's equation. These parameters help in estimating flow patterns, velocity distributions, and pressure fields around various hydraulic structures.
Uniform...
1.2K
Uniform Depth Channel Flow01:27

Uniform Depth Channel Flow

876
Uniform depth channel flow keeps fluid depth consistent along channels such as irrigation canals. In natural channels, such as rivers, approximate uniform flow is often assumed. This condition occurs when the channel’s bottom slope matches the energy slope, balancing potential energy lost from gravity with head loss due to shear stress. This balance prevents depth changes along the channel length, resulting in a steady, uniform flow.Uniform flow in open channels with a constant...
876
Uniform Depth Channel Flow: Problem Solving01:18

Uniform Depth Channel Flow: Problem Solving

709
To calculate the flow rate for a trapezoidal channel, first, identify the bottom width, side slope, and flow depth of the channel. The cross-sectional area (A) corresponding to the depth of flow (y), channel bottom width (B), and side slope (θ) is determined by:Next, calculate the wetted perimeter, which includes the bottom width and the sloped side lengths in contact with the water. Using the values of the cross-sectional area and the wetted perimeter, determine the hydraulic radius by...
709
Gradually Varying Flow01:29

Gradually Varying Flow

700
Gradually varying flow (GVF) in open channels describes situations where water depth changes slowly along the channel due to factors like non-uniform bed slope, channel shape variations, or obstructions. This flow type occurs when the depth adjusts gradually to balance gravitational forces, shear forces, and energy requirements, resulting in a low rate of depth change.Characteristics of Gradually Varying FlowGVF is commonly observed in natural streams, rivers, and canals, where flow depth...
700
Rapidly Varying Flow01:24

Rapidly Varying Flow

731
Rapidly varying flow (RVF) in open channels is characterized by abrupt changes in flow depth over a short distance, with the rate of depth change relative to distance often approaching unity. These flows are inherently complex due to their transient and multi-dimensional nature, making exact analysis difficult. However, approximate solutions using simplified models provide valuable insights into their behavior.Key Features of Rapidly Varying FlowRVF is commonly observed in scenarios involving...
731

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

From pre-tumor to tumor: Decoding the endoscopic-pathologic spectrum of neoplastic lesions in autoimmune gastritis.

iScience·2026
Same author

Insights into Fe<sup>0</sup>, Fe<sub>2</sub>O<sub>3</sub>, and Fe<sub>3</sub>O<sub>4</sub>-Mediated reduction of antibiotic resistance genes and horizontal gene transfer via reactive oxygen species during composting.

Bioresource technology·2026
Same author

Double-clamp Schiff base ligand engineered Ru (II) complex exhibiting Zn<sup>2+</sup>-activated fluorescence for selective Zn<sup>2+</sup> detection and live-cell imaging.

Talanta·2026
Same author

Enzyme-Modified DOPA-Containing Silk Fibroin Bioadhesives with Dynamic Cross-Linking Properties.

ACS applied materials & interfaces·2026
Same author

The Associations Between Family Conflict and Adolescent Mental Health: A Cross-Lagged Panel Network Analysis.

Family process·2026
Same author

Insights into Fe<sup>0</sup>, Fe<sub>2</sub>O<sub>3</sub>, and Fe<sub>3</sub>O<sub>4</sub>-Mediated humification and nitrogen transformation during composting.

Bioresource technology·2026

関連する実験動画

Updated: May 2, 2026

Measuring Attention and Visual Processing Speed by Model-based Analysis of Temporal-order Judgments
13:00

Measuring Attention and Visual Processing Speed by Model-based Analysis of Temporal-order Judgments

Published on: January 23, 2017

10.0K

多層の因果的注意に基づく空間時間トランスフォーマートラフィック予測ネットワーク

Hengyuan He1, Zhengtao Long1, Yingchao Zhang1

  • 1College of Big Data and Information Engineering, GuiZhou University, Guiyang, Guizhou, China.

PloS one
|September 2, 2025
PubMed
まとめ

この研究は,複雑な時空データを分析することで,正確な交通予測のための新しいネットワークであるMLCAFormerを紹介しています. このモデルは依存関係を効果的に捉え,実際のデータセットで既存の方法を上回ります.

科学分野:

  • インテリジェントな輸送システム
  • 機械学習
  • データサイエンス

背景:

  • 交通予測はインテリジェントな交通システムにとって極めて重要です.
  • トラフィックフローデータには 複雑な時間的・空間的な依存関係があり 正確な予測は困難です
  • 現存するモデルでは 複雑な時空の特徴に 苦労しています

研究 の 目的:

  • トラフィック予測の強化のための新しい時空トランスフォーマーネットワークを提案する.
  • トラフィックフローデータにおける複雑な時間的・空間的依存関係によって引き起こされる課題に対処する.
  • トラフィックフローの予測の正確性と効率性を向上させる.

主な方法:

  • 空間空間トランスフォーマーネットワークを MLCAFormerと名付けました
  • 階層的な依存性のキャプチャのための多層の時間的因果的注意力メカニズムを設計しました.
  • ノード識別と空間的相関学習の改善のためのノードアイデンティティ意識の空間的注意力メカニズムを導入した.
  • 統合されたオリジナルのトラフィックフロー,周期的なパターン,そして入力機能としての協同的空間-時間埋め込み.

主要な成果:

  • MLCAFormerは4つの現実世界の交通データセット (METR-LA,PEMS-BAY,PEMS04,PEMS08) で,ベンチマークモデルと比較して優れたパフォーマンスを示しました.

さらに関連する動画

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

4.1K

関連する実験動画

Last Updated: May 2, 2026

Measuring Attention and Visual Processing Speed by Model-based Analysis of Temporal-order Judgments
13:00

Measuring Attention and Visual Processing Speed by Model-based Analysis of Temporal-order Judgments

Published on: January 23, 2017

10.0K
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

4.1K
  • 多層の因果的注意は長期的および短期的な時間的依存を効果的に捉えました.
  • ノード・アイデンティティ意識の空間的注意は 空間的相関学習を高めました

    • 結論:

    • 提案されているMLCAFormerネットワークは,トラフィック予測の精度を大幅に向上させています.
    • 多層の因果的注意とノード・アイデンティティ意識の空間的注意を統合することは,複雑な時空交通データを処理するのに有効です.
    • MLCAFormerは実用的なインテリジェント・トランスポート・アプリケーションに 大きな可能性を秘めています