Buchumschlag

Predicting Barge Presence and Quantity on Inland Waterways using Vessel Tracking Data: A Machine Learning Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Agorku, Geoffery, Hernandez, Sarah, Falquez, Maria, Poddar, Subhadipto, Pang, Shihao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Predicting Barge Tow Size on Inland Waterways Using Vessel Trajectory Derived Features: Proof of Concept
von: Agorku, Geoffery, et al.
Veröffentlicht: (2025)

Enhancing Maritime Domain Awareness on Inland Waterways: A YOLO-Based Fusion of Satellite and AIS for Vessel Characterization
von: Agorku, Geoffery, et al.
Veröffentlicht: (2025)

Traffic Cameras to detect inland waterway barge traffic: An Application of machine learning
von: Agorku, Geoffery, et al.
Veröffentlicht: (2024)

Towards Explainable Deep Learning for Ship Trajectory Prediction in Inland Waterways
von: Legel, Tom, et al.
Veröffentlicht: (2026)

Short-term Inland Vessel Trajectory Prediction with Encoder-Decoder Models
von: Donandt, Kathrin, et al.
Veröffentlicht: (2024)

Incorporating Navigation Context into Inland Vessel Trajectory Prediction: A Gaussian Mixture Model and Transformer Approach
von: Donandt, Kathrin, et al.
Veröffentlicht: (2024)

Investigation into Propulsive Characteristics of an Inland Vessel in Confined Waterway
von: Eloho, Kelvin, et al.
Veröffentlicht: (2025)

Machine Learning-Based Classification of Vessel Types in Straits Using AIS Tracks
von: Nielsen, Jonatan Katz
Veröffentlicht: (2025)

Safe Robust Predictive Control-based Motion Planning of Automated Surface Vessels in Inland Waterways
von: Ahmadi, Sajad, et al.
Veröffentlicht: (2025)

Navigating Data Corruption in Machine Learning: Balancing Quality, Quantity, and Imputation Strategies
von: Liu, Qi, et al.
Veröffentlicht: (2024)

Training from Zero: Radio Frequency Machine Learning Data Quantity Forecasting
von: Clark IV, William H., et al.
Veröffentlicht: (2022)

Scientific Knowledge-Guided Machine Learning for Vessel Power Prediction: A Comparative Study
von: Bourchas, Orfeas, et al.
Veröffentlicht: (2026)

Physics-Informed Machine Learning for Vessel Shaft Power and Fuel Consumption Prediction: Interpretable KAN-based Approach
von: Mohammed, Hamza Haruna, et al.
Veröffentlicht: (2026)

A Robust Clustered Federated Learning Approach for Non-IID Data with Quantity Skew
von: Ali, Michael Ben, et al.
Veröffentlicht: (2025)

Data-Driven Machine Learning Approaches for Predicting In-Hospital Sepsis Mortality
von: Shumilov, Arseniy, et al.
Veröffentlicht: (2024)

Prediction Is Not Physics: Learning and Evaluating Conserved Quantities in Neural Simulators
von: Bukowski, Andrew, et al.
Veröffentlicht: (2026)

Prediction of Vessel Arrival Time to Pilotage Area Using Multi-Data Fusion and Deep Learning
von: Zhang, Xiaocai, et al.
Veröffentlicht: (2024)

Noether's razor: Learning Conserved Quantities
von: van der Ouderaa, Tycho F. A., et al.
Veröffentlicht: (2024)

Dual-Criterion Model Aggregation in Federated Learning: Balancing Data Quantity and Quality
von: Zhang, Haizhou, et al.
Veröffentlicht: (2024)

ALNS for Tugboat Scheduling in Inland Waterway
von: Ma, Zihang
Veröffentlicht: (2025)

Orthogonal Representation Learning for Estimating Causal Quantities
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

Macroeconomic Predictions using Payments Data and Machine Learning
von: Chapman, James T. E., et al.
Veröffentlicht: (2022)

Provably Reliable Conformal Prediction Sets in the Presence of Data Poisoning
von: Scholten, Yan, et al.
Veröffentlicht: (2024)

Beyond Quantities: Machine Learning-based Characterization of Inequality in Infrastructure Quality Provision in Cities
von: Li, Bo, et al.
Veröffentlicht: (2024)

A Review on Machine Learning Approaches for the Prediction of Glucose Levels and Hypogylcemia
von: Cinar, Beyza, et al.
Veröffentlicht: (2026)

Inland Waterway Object Detection in Multi-environment: Dataset and Approach
von: Wang, Shanshan, et al.
Veröffentlicht: (2025)

Data Fusion and Machine Learning for Ship Fuel Consumption Modelling -- A Case of Bulk Carrier Vessel
von: Mohamed, Abdella, et al.
Veröffentlicht: (2025)

Predicting Fetal Birthweight from High Dimensional Data using Advanced Machine Learning
von: Kapure, Nachiket, et al.
Veröffentlicht: (2025)

Quality over Quantity: Demonstration Curation via Influence Functions for Data-Centric Robot Learning
von: Lee, Haeone, et al.
Veröffentlicht: (2026)

An Explainable Machine Learning Approach to Traffic Accident Fatality Prediction
von: Rifat, Md. Asif Khan, et al.
Veröffentlicht: (2024)

Earthquake Damage Grades Prediction using An Ensemble Approach Integrating Advanced Machine and Deep Learning Models
von: Panda, Anurag, et al.
Veröffentlicht: (2025)

Movie Revenue Prediction using Machine Learning Models
von: Udandarao, Vikranth, et al.
Veröffentlicht: (2024)

An Investigation on Machine Learning Predictive Accuracy Improvement and Uncertainty Reduction using VAE-based Data Augmentation
von: Alsafadi, Farah, et al.
Veröffentlicht: (2024)

Mitigating Modality Quantity and Quality Imbalance in Multimodal Online Federated Learning
von: Wang, Heqiang, et al.
Veröffentlicht: (2025)

Generalizable Machine Learning Models for Predicting Data Center Server Power, Efficiency, and Throughput
von: Lei, Nuoa, et al.
Veröffentlicht: (2025)

Machine Learning to Predict Digital Frustration from Clickstream Data
von: Joseph, Jibin
Veröffentlicht: (2025)

Local Data Quantity-Aware Weighted Averaging for Federated Learning with Dishonest Clients
von: Wu, Leming, et al.
Veröffentlicht: (2025)

Chronic Diseases Prediction using Machine Learning and Deep Learning Methods
von: Belhad, Houda, et al.
Veröffentlicht: (2025)

Automated Generation of Diverse Courses of Actions for Multi-Agent Operations using Binary Optimization and Graph Learning
von: Poddar, Prithvi, et al.
Veröffentlicht: (2025)

Predicting the Geothermal Gradient in Colombia: a Machine Learning Approach
von: Mejía-Fragoso, Juan Camilo, et al.
Veröffentlicht: (2024)