論文の概要: Training Data Set Assessment for Decision-Making in a Multiagent
Landmine Detection Platform
- arxiv url: http://arxiv.org/abs/2004.05380v1
- Date: Sat, 11 Apr 2020 12:05:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 10:00:27.396324
- Title: Training Data Set Assessment for Decision-Making in a Multiagent
Landmine Detection Platform
- Title（参考訳）: マルチエージェント地雷検出プラットフォームにおける意思決定のための訓練データセットの評価
- Authors: Johana Florez-Lozano, Fabio Caraffini, Carlos Parra and Mario Gongora
- Abstract要約: 地雷検出のような現実世界の問題は、意思決定の不確実性を減らすために複数の情報源を必要とする。
これらの問題を解決するための新しいアプローチには、この研究で示された分散システムが含まれる。
トレーニングセットと検証セット間のサンプル分布に対して,トレーニングシステムの性能を評価する。
- 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: Real-world problems such as landmine detection require multiple sources of
information to reduce the uncertainty of decision-making. A novel approach to
solve these problems includes distributed systems, as presented in this work
based on hardware and software multi-agent systems. To achieve a high rate of
landmine detection, we evaluate the performance of a trained system over the
distribution of samples between training and validation sets. Additionally, a
general explanation of the data set is provided, presenting the samples
gathered by a cooperative multi-agent system developed for detecting improvised
explosive devices. The results show that input samples affect the performance
of the output decisions, and a decision-making system can be less sensitive to
sensor noise with intelligent systems obtained from a diverse and suitably
organised training set.
- Abstract（参考訳）: 地雷検出のような現実世界の問題は、意思決定の不確実性を減らすために複数の情報源を必要とする。
これらの問題を解決する新しいアプローチには、ハードウェアおよびソフトウェアマルチエージェントシステムに基づく分散システムが含まれる。
地雷検出の高速化を目的として,トレーニングセットと検証セット間のサンプル分布に対するトレーニングシステムの性能評価を行った。
さらに、即興爆発装置を検出するために開発された協調型多エージェントシステムによって収集されたサンプルを提示するデータセットの一般的な説明を提供する。
その結果、入力サンプルが出力判定の性能に影響を及ぼし、センサノイズに敏感な意思決定システムは、多種多様な組織化されたトレーニングセットから得られるインテリジェントなシステムで得られる。
関連論文リスト
- UAV-Based Human Body Detector Selection and Fusion for Geolocated Saliency Map Generation [0.2499907423888049]
無人航空機(UAV)を用いた探索・救助など多くの応用分野において、ソフトリアルタイムの異なるクラスの物体を確実に検出・位置決めする問題は不可欠である。
本研究は、システムコンテキストの視覚に基づく検出器の選択、割り当て、実行の相補的な問題に対処する。
検出結果は,新しいセンサモデルを利用して,正と負の両方の観測を視覚ベースで検出する,有意な位置の地図を構築する手法を用いて融合される。
論文 参考訳（メタデータ） (2024-08-29T13:00:37Z) - A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - Tackling Diverse Minorities in Imbalanced Classification [80.78227787608714]
不均衡データセットは、様々な現実世界のアプリケーションで一般的に見られ、分類器の訓練において重要な課題が提示されている。
マイノリティクラスとマイノリティクラスの両方のデータサンプルを混合することにより、反復的に合成サンプルを生成することを提案する。
提案するフレームワークの有効性を,7つの公開ベンチマークデータセットを用いて広範な実験により実証する。
論文 参考訳（メタデータ） (2023-08-28T18:48:34Z) - Machine Learning to detect cyber-attacks and discriminating the types of
power system disturbances [0.0]
本研究では,電力系統を対象とした機械学習による攻撃検出モデルを提案する。
Phasor Measurementing Devices (PMU) から収集したデータとログを利用することで、システムの振る舞いを学習し、潜在的なセキュリティ境界を効果的に識別することを目的としている。
論文 参考訳（メタデータ） (2023-07-06T22:32:06Z) - Interactive System-wise Anomaly Detection [66.3766756452743]
異常検出は様々なアプリケーションにおいて基本的な役割を果たす。
既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。
システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
論文 参考訳（メタデータ） (2023-04-21T02:20:24Z) - Quality-Based Conditional Processing in Multi-Biometrics: Application to
Sensor Interoperability [63.05238390013457]
2007年のバイオセキュリティ・マルチモーダル・アセスメント・キャンペーンにおいて,ATVS-UAM融合手法を品質ベースで評価し,評価を行った。
我々のアプローチは線形ロジスティック回帰に基づいており、融合したスコアはログライクな比率になる傾向にある。
その結果,提案手法はルールベースの核融合方式よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-11-24T12:11:22Z) - DeepTimeAnomalyViz: A Tool for Visualizing and Post-processing Deep
Learning Anomaly Detection Results for Industrial Time-Series [88.12892448747291]
DeTAVIZ インタフェースは Web ブラウザをベースとした可視化ツールで,特定の問題における DL ベースの異常検出の実現可能性の迅速な探索と評価を行う。
DeTAVIZを使えば、ユーザーは複数のポスト処理オプションを簡単かつ迅速に繰り返し、異なるモデルを比較することができ、選択したメトリックに対して手動で最適化できる。
論文 参考訳（メタデータ） (2021-09-21T10:38:26Z) - Feature selection for intrusion detection systems [0.0]
本稿では,連続的な入力特徴と離散的目標値を考える上での課題に対処する特徴選択手法を提案する。
我々は、DDoS信号と良性信号の区別において、99.9%の精度を達成できる、機械学習に基づく高精度な検出システムを開発するために、我々の研究結果を用いている。
論文 参考訳（メタデータ） (2021-06-28T18:53:21Z) - Federated Learning-Based Risk-Aware Decision toMitigate Fake Task
Impacts on CrowdsensingPlatforms [9.925311092487851]
モバイルクラウドセンシング(MCS)は、多数のモバイルスマートデバイスでセンサーを活用することで、分散および非専用センシングの概念を活用します。
MCSプラットフォームに偽の検知タスクを送信した悪意のあるユーザは、参加者のデバイスからリソースを消費しようとするかもしれない。
多数の独立した検出装置と集約エンティティを含む偽タスクを識別する手法が提案されている。
論文 参考訳（メタデータ） (2021-01-04T22:43:24Z) - Frequency-based Multi Task learning With Attention Mechanism for Fault
Detection In Power Systems [6.4332733596587115]
本稿では,障害検出のための新しいディープラーニングベースのアプローチを導入し,実際のデータセット,すなわち部分放電検出タスクのためのKaggleプラットフォーム上でテストする。
提案手法では,時系列の特徴を抽出するためのアテンション機構を備えたLong-Short Term Memoryアーキテクチャを採用し,信号の周波数情報を利用した1D-Convolutional Neural Network構造を用いて予測を行う。
論文 参考訳（メタデータ） (2020-09-15T02:01:47Z) - SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier
Detection [63.253850875265115]
外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。
そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
論文 参考訳（メタデータ） (2020-03-11T00:22:50Z)
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。