論文の概要: Using context to make gas classifiers robust to sensor drift
- arxiv url: http://arxiv.org/abs/2003.07292v2
- Date: Fri, 22 May 2020 19:09:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 02:38:39.079530
- Title: Using context to make gas classifiers robust to sensor drift
- Title(参考訳): ガス分類器をセンサドリフトに頑健にするためにコンテキストを使用する
- Authors: J. Warner, A. Devaraj, and R. Miikkulainen
- Abstract要約: ガス粒子と金属酸化物系ガスセンサとの相互作用は、センサを不可逆的に変化させる。
センサードリフトと呼ばれる複合的な変化は不安定であるが、適応アルゴリズムは嗅覚センサーシステムの精度を維持することができる。
本稿では,ドリフトが発生した後,ある時間窓から次の時間窓に知識を移すことによって,追加のデータ取得なしにそのようなシステムをどうやって定義できるかを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The interaction of a gas particle with a metal-oxide based gas sensor changes
the sensor irreversibly. The compounded changes, referred to as sensor drift,
are unstable, but adaptive algorithms can sustain the accuracy of odor sensor
systems. This paper shows how such a system can be defined without additional
data acquisition by transfering knowledge from one time window to a subsequent
one after drift has occurred. A context-based neural network model is used to
form a latent representation of sensor state, thus making it possible to
generalize across a sequence of states. When tested on samples from unseen
subsequent time windows, the approach performed better than drift-naive and
ensemble methods on a gas sensor array drift dataset. By reducing the effect
that sensor drift has on classification accuracy, context-based models may be
used to extend the effective lifetime of gas identification systems in
practical settings.
- Abstract(参考訳): ガス粒子と金属酸化物系ガスセンサとの相互作用は、センサを不可逆的に変化させる。
センサードリフトと呼ばれる複合的な変化は不安定であるが、適応アルゴリズムは匂いセンサーシステムの精度を維持することができる。
本稿では,ドリフト発生後に,あるタイムウィンドウから次のウィンドウに知識を転送することにより,追加データ取得をすることなく,システムをどのように定義できるかを示す。
コンテキストベースのニューラルネットワークモデルは、センサ状態の潜在表現を形成するために使用され、一連の状態の一般化を可能にする。
その後の未発見の時間窓からサンプルをテストしたところ、このアプローチはガスセンサアレイドリフトデータセットのドリフトナイーブ法やアンサンブル法よりも優れていた。
センサドリフトが分類精度に与える影響を減らすことで、実運用環境でのガス識別システムの有効寿命を延長するためにコンテキストベースモデルを用いることができる。
関連論文リスト
- Machine Learning Based Compensation for Inconsistencies in Knitted Force
Sensors [1.0742675209112622]
編まれたセンサーは、オフセット、緩和、漂流といった自然現象によってしばしば不整合に悩まされる。
本稿では,最小人工ニューラルネットワーク(ANN)を用いて処理することで,これに対応する方法を示す。
合計8個のニューロンを持つ3層ANNをトレーニングすることにより,センサ読み取りとアクティベーション力のマッピングを大幅に改善する。
論文 参考訳(メタデータ) (2023-06-21T09:19:33Z) - Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。
本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。
本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
論文 参考訳(メタデータ) (2023-06-19T11:00:54Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳(メタデータ) (2021-07-28T10:19:58Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳(メタデータ) (2021-07-22T07:25:35Z) - On the Role of Sensor Fusion for Object Detection in Future Vehicular
Networks [25.838878314196375]
異なるセンサの組み合わせが車両の移動・運転環境の検出にどのように影響するかを評価します。
最終的な目標は、チャネルに分散するデータの量を最小限に抑える最適な設定を特定することです。
論文 参考訳(メタデータ) (2021-04-23T18:58:37Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳(メタデータ) (2021-02-02T15:44:39Z) - 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) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳(メタデータ) (2020-03-23T10:51:32Z)
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。