Fugu-MT 論文翻訳(概要): Improving Vertical Positioning Accuracy with the Weighted Multinomial Logistic Regression Classifier

論文の概要: Improving Vertical Positioning Accuracy with the Weighted Multinomial Logistic Regression Classifier

arxiv url: http://arxiv.org/abs/2004.13909v2
Date: Thu, 18 Jun 2020 11:18:27 GMT
ステータス: 処理完了
システム内更新日: 2022-12-08 14:47:27.294437
Title: Improving Vertical Positioning Accuracy with the Weighted Multinomial Logistic Regression Classifier
Title（参考訳）: 重み付き多項ロジスティック回帰分類器による垂直位置決め精度の向上
Authors: Yiyan Yao and Xin-long Luo
Abstract要約: 我々は,GPS(Global Positioning System)情報と気圧値を用いて垂直位置決め精度を向上させる手法を提案する。まず、様々な環境で収集された生データのnull値をクリアし、3$sigma$-ruleを使ってアウトリーチを識別する。その結果,垂直位置決め精度は5.9m(MLR法),5.4m(SVM法),5m(WMLR法)の67%で向上した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: In this paper, a method of improving vertical positioning accuracy with the Global Positioning System (GPS) information and barometric pressure values is proposed. Firstly, we clear null values for the raw data collected in various environments, and use the 3$\sigma$-rule to identify outliers. Secondly, the Weighted Multinomial Logistic Regression (WMLR) classifier is trained to obtain the predicted altitude of outliers. Finally, in order to verify its effect, we compare the MLR method, the WMLR method, and the Support Vector Machine (SVM) method for the cleaned dataset which is regarded as the test baseline. The numerical results show that the vertical positioning accuracy is improved from 5.9 meters (the MLR method), 5.4 meters (the SVM method) to 5 meters (the WMLR method) for 67% test points.
Abstract（参考訳）: 本稿では,gps(global positioning system)情報と気圧値を用いて,垂直位置決め精度を向上させる手法を提案する。まず、様々な環境で収集された生データのnull値をクリアし、3$\sigma$-ruleを使ってアウトリーチを識別する。第二に、重み付き多項ロジスティック回帰(WMLR)分類器は、外れ値の予測高度を得るために訓練される。最後に,MLR法,WMLR法,およびテストベースラインとみなすクリーン化データセットのサポートベクトルマシン(SVM)法を比較した。その結果,垂直位置決め精度は5.9m(MLR法),5.4m(SVM法)から5m(WMLR法)に67%向上した。

関連論文リスト

HyperMODEST: Self-Supervised 3D Object Detection with Confidence Score Filtering [9.14477900515147]
現在のLiDARベースの自律走行用3Dオブジェクト検出器は、ほとんど完全に人間の注釈付きデータに基づいて訓練されている。 MODESTはラベルなしで3Dオブジェクト検出器を訓練する最初の試みである。本稿では,自己学習プロセスを大幅に高速化し,特定のデータセットのチューニングを必要としない普遍的手法を提案する。
論文参考訳（メタデータ） (2023-04-27T18:12:11Z)
Data Selection for Language Models via Importance Resampling [90.9263039747723]
我々は、望まれるターゲット分布に合わせるために、大規模な未ラベルデータセットのサブセットを選択するという問題を形式化する。我々は、LMデータ選択のために低次元で使用される古典的な重要度再サンプリング手法を拡張した。 DSIRフレームワークをhash n-gram機能でインスタンス化し、4.5時間で1億のドキュメントを選択できる。
論文参考訳（メタデータ） (2023-02-06T23:57:56Z)
Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文参考訳（メタデータ） (2022-12-07T10:01:11Z)
End-to-End Semi-Supervised Object Detection with Soft Teacher [63.26266730447914]
本稿では,従来の複雑な多段階法とは対照的に,終端から終端までの半教師付き物体検出手法を提案する。提案手法は, 種々のラベル付け比において, 従来手法よりも大きなマージンで性能を向上する。最先端のSwin Transformerベースの物体検出器では、検出精度を+1.5 mAPで大幅に向上させることができる。
論文参考訳（メタデータ） (2021-06-16T17:59:30Z)
A Wasserstein Minimax Framework for Mixed Linear Regression [69.40394595795544]
マルチモーダル分布は、学習タスクにおいてクラスタ化されたデータをモデル化するために一般的に使用される。混合線形回帰問題に対する最適輸送ベースフレームワークを提案する。
論文参考訳（メタデータ） (2021-06-14T16:03:51Z)
Flow based features and validation metric for machine learning reconstruction of PIV data [0.0]
物理指向アプローチによる実データからのフローフィールドの再構築は、AIコミュニティにおける流体科学者の現在の課題である。本稿では、異なるフローベースの特徴のコントリビューションを研究するために機械学習アプローチを適用する。物理フロー再生の重要な要件として, 質量保存則を反映した計量法則を提案する。
論文参考訳（メタデータ） (2021-05-27T20:05:41Z)
Meta-Generating Deep Attentive Metric for Few-shot Classification [53.07108067253006]
本稿では,新しい数ショット学習タスクのための特定のメトリックを生成するための,新しい深度メタジェネレーション手法を提案する。本研究では,各タスクの識別基準を生成するのに十分なフレキシブルな3層深い注意ネットワークを用いて,メトリクスを構造化する。特に挑戦的なケースでは、最先端の競合他社よりも驚くほどパフォーマンスが向上しています。
論文参考訳（メタデータ） (2020-12-03T02:07:43Z)
Robustified Multivariate Regression and Classification Using Distributionally Robust Optimization under the Wasserstein Metric [11.383869751239166]
我々は多変量線形回帰(MLR)と多クラスロジスティック回帰(MLG)のための分布ロバスト最適化(DRO)の定式化を開発する。我々は DRO の定式化を、正則化が係数行列のノルムである正規化学習問題に緩和する。実験の結果, MLRは37%, MLGは100%, 予測誤差は37%改善した。
論文参考訳（メタデータ） (2020-06-10T22:16:50Z)
Improving Sampling Accuracy of Stochastic Gradient MCMC Methods via Non-uniform Subsampling of Gradients [54.90670513852325]
サンプリング精度を向上させるための一様でないサブサンプリング手法を提案する。 EWSGは、一様勾配MCMC法がバッチ勾配MCMC法の統計的挙動を模倣するように設計されている。 EWSGの実践的な実装では、データインデックス上のMetropolis-Hastingsチェーンを介して、一様でないサブサンプリングを効率的に行う。
論文参考訳（メタデータ） (2020-02-20T18:56:18Z)
Improved prediction of soil properties with Multi-target Stacked Generalisation on EDXRF spectra [1.2599533416395765]
エネルギー分散X線蛍光(EDXRF)は、より迅速で環境に優しい分析手法の一つである。 EDXRFスペクトル分析におけるいくつかの課題は、正確な結果を提供するためのより効率的な方法を必要とする。 MTR(Multi-target Regression)手法を用いることで,複数のパラメータの予測が可能となり,相関パラメータの活用により,全体的な予測性能が向上する。
論文参考訳（メタデータ） (2020-02-11T11:05:03Z)

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。