論文の概要: A Comparative Study on Machine Learning Algorithms for the Control of a
Wall Following Robot
- arxiv url: http://arxiv.org/abs/1912.11856v2
- Date: Sat, 18 Apr 2020 13:27:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-10 08:20:14.674006
- Title: A Comparative Study on Machine Learning Algorithms for the Control of a
Wall Following Robot
- Title（参考訳）: ロボット追従壁の制御のための機械学習アルゴリズムの比較研究
- Authors: Issam Hammad, Kamal El-Sankary, and Jason Gu
- Abstract要約: 本稿では,ロボットに追従する壁の向きを予測するための各種機械学習モデルの性能の比較を行った。
モデルは、24個の超音波センサーとサンプルの対応する方向を含むオープンソースのデータセットを使用して訓練された。
- 参考スコア（独自算出の注目度）: 4.115297590661754
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A comparison of the performance of various machine learning models to predict
the direction of a wall following robot is presented in this paper. The models
were trained using an open-source dataset that contains 24 ultrasound sensors
readings and the corresponding direction for each sample. This dataset was
captured using SCITOS G5 mobile robot by placing the sensors on the robot
waist. In addition to the full format with 24 sensors per record, the dataset
has two simplified formats with 4 and 2 input sensor readings per record.
Several control models were proposed previously for this dataset using all
three dataset formats. In this paper, two primary research contributions are
presented. First, presenting machine learning models with accuracies higher
than all previously proposed models for this dataset using all three formats. A
perfect solution for the 4 and 2 inputs sensors formats is presented using
Decision Tree Classifier by achieving a mean accuracy of 100%. On the other
hand, a mean accuracy of 99.82% was achieves using the 24 sensor inputs by
employing the Gradient Boost Classifier. Second, presenting a comparative study
on the performance of different machine learning and deep learning algorithms
on this dataset. Therefore, providing an overall insight on the performance of
these algorithms for similar sensor fusion problems. All the models in this
paper were evaluated using Monte-Carlo cross-validation.
- Abstract（参考訳）: 本稿では,ロボットに追従する壁の向きを予測するための各種機械学習モデルの性能の比較を行った。
モデルは、24個の超音波センサーとサンプルの対応する方向を含むオープンソースのデータセットを使用してトレーニングされた。
このデータセットは、scitos g5モバイルロボットを使って、ロボットの腰にセンサーを装着して取得した。
データセットは、レコード毎に24のセンサーを備えたフルフォーマットに加えて、4と2の入力センサー読み取りを備えた2つの単純化されたフォーマットを備えている。
3つのデータセットフォーマットすべてを使用して、このデータセットに対していくつかの制御モデルが提案されている。
本稿では,2つの主要な研究成果を紹介する。
まず、3つのフォーマットすべてを使用して、前述したすべてのモデルよりも精度の高い機械学習モデルを提示する。
平均精度100%を達成することで、決定木分類器を用いて、4と2の入力センサフォーマットに対する完璧なソリューションを示す。
一方、グラディエントブースト分類器を用いて24個のセンサー入力を用いて99.82%の平均精度を実現した。
次に、このデータセット上で異なる機械学習およびディープラーニングアルゴリズムのパフォーマンスに関する比較研究を示す。
したがって、同様のセンサー融合問題に対するこれらのアルゴリズムの性能に関する全体的な洞察を提供する。
本論文のモデルはすべてモンテカルロクロスバリデーションを用いて評価した。
関連論文リスト
- Exploring Text-to-Motion Generation with Human Preference [59.28730218998923]
本稿では,テキスト・トゥ・モーション・ジェネレーションにおける嗜好学習の探索について述べる。
テキスト・トゥ・モーション・ジェネレーションの現在の改善は、まだモーションキャプチャシステムを備えたエキスパート・ラベラーを必要とするデータセットに依存していることがわかった。
我々は、好み学習が、現在のテキスト・ツー・モーション生成モデルを大幅に改善する可能性があることを示す。
論文 参考訳（メタデータ） (2024-04-15T04:14:42Z) - Comparative Study on the Performance of Categorical Variable Encoders in
Classification and Regression Tasks [11.721062526796976]
本研究では,(1)入力に対するアフィン変換を暗黙的に実行するAITモデル,2)決定木に基づく木に基づくモデル,3)kNNなどの他のモデルに分類する。
理論的には、データから適切な重みを学習することで、他のエンコーダを模倣できるという意味で、ワンホットエンコーダがAITモデルにとって最良の選択であることを示す。
また、ターゲットエンコーダとその変種が木モデルに適したエンコーダである理由についても説明する。
論文 参考訳（メタデータ） (2024-01-18T02:21:53Z) - Deep learning assisted robust detection techniques for a chipless RFID
sensor tag [0.0]
本稿では,チップレスRFIDセンサタグからの識別・センサデータのロバスト読み出し手法を提案する。
機械学習(ML)とディープラーニング(DL)の回帰モデリング技術が初めて、レーダークロスセクション(RCS)データのデータセットに適用される。
本報告では, タグ表面形状, 傾き角, 読み出し範囲が, ID と知覚値の頑健な検出のためのモデルのトレーニングに取り入れられていることを初めて報告する。
論文 参考訳（メタデータ） (2023-08-26T19:20:35Z) - Convolutional Neural Networks for the classification of glitches in
gravitational-wave data streams [52.77024349608834]
我々は、高度LIGO検出器のデータから過渡ノイズ信号(グリッチ)と重力波を分類する。
どちらも、Gravity Spyデータセットを使用して、スクラッチからトレーニングされた、教師付き学習アプローチのモデルを使用します。
また、擬似ラベルの自動生成による事前学習モデルの自己教師型アプローチについても検討する。
論文 参考訳（メタデータ） (2023-03-24T11:12:37Z) - Transformer-based approaches to Sentiment Detection [55.41644538483948]
テキスト分類のための4種類の最先端変圧器モデルの性能について検討した。
RoBERTa変換モデルは82.6%のスコアでテストデータセット上で最高のパフォーマンスを示し、品質予測に非常に推奨されている。
論文 参考訳（メタデータ） (2023-03-13T17:12:03Z) - BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot
Detection [63.447493500066045]
本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。
提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。
実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
論文 参考訳（メタデータ） (2022-07-27T09:26:15Z) - Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。
まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。
次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
論文 参考訳（メタデータ） (2021-12-31T10:03:47Z) - Are we ready for beyond-application high-volume data? The Reeds robot
perception benchmark dataset [3.781421673607643]
本稿ではロボット認識アルゴリズムの研究のためにReedsと呼ばれるデータセットを提案する。
このデータセットは、アプリケーション固有のソリューションをテストする環境を提供するのではなく、アルゴリズムに要求されるベンチマーク機会を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-16T23:21:42Z) - Text Classification Using Hybrid Machine Learning Algorithms on Big Data [0.0]
本研究では,2つの教師付き機械学習アルゴリズムとテキストマイニング技術を組み合わせてハイブリッドモデルを生成する。
その結果、ハイブリッドモデルはそれぞれ61.45%と69.21%のNa"ive BayesとSVMモデルに対して96.76%の精度を示した。
論文 参考訳（メタデータ） (2021-03-30T19:02:48Z) - Human Activity Analysis and Recognition from Smartphones using Machine
Learning Techniques [0.0]
人間の活動認識(HAR)は、過去数十年で貴重な研究トピックと考えられています。
本稿では、機械学習モデルを用いてデータを分析し、人間の活動を認識する。
論文 参考訳（メタデータ） (2021-03-30T16:46:40Z) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。