Fugu-MT 論文翻訳(概要): Towards a Robust WiFi-based Fall Detection with Adversarial Data Augmentation

論文の概要: Towards a Robust WiFi-based Fall Detection with Adversarial Data Augmentation

arxiv url: http://arxiv.org/abs/2005.11932v1
Date: Mon, 25 May 2020 05:46:27 GMT
ステータス: 処理完了
システム内更新日: 2022-11-29 06:41:40.537271
Title: Towards a Robust WiFi-based Fall Detection with Adversarial Data Augmentation
Title（参考訳）: 逆データ拡張によるロバストWiFiによる転倒検出に向けて
Authors: Tuan-Duy H. Nguyen and Huu-Nghia H. Nguyen
Abstract要約: 本稿では,逆データ拡張による一般化手法について検討する。この結果から,未確認領域における深層学習システムの性能は若干改善されているが,性能はそれほど大きくない。
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: Recent WiFi-based fall detection systems have drawn much attention due to their advantages over other sensory systems. Various implementations have achieved impressive progress in performance, thanks to machine learning and deep learning techniques. However, many of such high accuracy systems have low reliability as they fail to achieve robustness in unseen environments. To address that, this paper investigates a method of generalization through adversarial data augmentation. Our results show a slight improvement in deep learning-systems in unseen domains, though the performance is not significant.
Abstract（参考訳）: 近年のWiFiによる転倒検知システムは,他のセンサシステムに対する優位性から注目されている。機械学習とディープラーニング技術のおかげで、さまざまな実装のパフォーマンスが著しく進歩しました。しかし、このような高い精度のシステムの多くは、目に見えない環境で堅牢性を達成できないため、信頼性が低い。そこで本研究では,逆データ拡張による一般化手法について検討する。以上の結果から,未発見領域における深層学習システムの改善はみられたが,その性能はそれほど大きくない。

関連論文リスト

Nonideality-aware training makes memristive networks more robust to adversarial attacks [0.3749861135832072]
本研究は,非観念的学習が敵の強靭性に与える影響について考察する。非イデアルがテスト時間中に何に遭遇するかという知識が限られているにもかかわらず、敵の堅牢性は著しく改善されていることが分かりました。
論文参考訳（メタデータ） (2024-09-29T11:55:42Z)
Adversarial Challenges in Network Intrusion Detection Systems: Research Insights and Future Prospects [0.33554367023486936]
本稿では,機械学習を用いたネットワーク侵入検知システム(NIDS)の総合的なレビューを行う。 NIDSにおける既存の研究を批判的に検討し、重要なトレンド、強み、限界を強調した。我々は、この分野における新たな課題について議論し、より堅牢でレジリエントなNIDSの開発に向けた洞察を提供する。
論文参考訳（メタデータ） (2024-09-27T13:27:29Z)
Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文参考訳（メタデータ） (2024-01-22T14:16:37Z)
Edge Intelligence Over the Air: Two Faces of Interference in Federated Learning [95.31679010587473]
フェデレートされたエッジ学習は、次世代無線ネットワークにおけるインテリジェンスの実現の基盤として考えられている。本稿では,無線によるエッジ学習システムにおける干渉の肯定的および否定的影響について概説する。
論文参考訳（メタデータ） (2023-06-17T09:04:48Z)
Few-shot Weakly-supervised Cybersecurity Anomaly Detection [1.179179628317559]
本稿では,既存の弱教師付きディープラーニング異常検出フレームワークの強化を提案する。このフレームワークには、データ拡張、表現学習、順序回帰が含まれている。そして、3つのベンチマークデータセット上で実装したフレームワークの性能を評価した。
論文参考訳（メタデータ） (2023-04-15T04:37:54Z)
Machine Learning For Classification Of Antithetical Emotional States [1.1602089225841632]
本研究は,DEAPデータセット上でのベースライン機械学習分類器の性能を解析する。ディープラーニングアーキテクチャによるパフォーマンス向上を活用して、最先端に匹敵する結果を提供する。
論文参考訳（メタデータ） (2022-09-06T06:54:33Z)
Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文参考訳（メタデータ） (2022-08-31T18:19:25Z)
Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文参考訳（メタデータ） (2022-03-25T19:57:19Z)
Improving Corruption and Adversarial Robustness by Enhancing Weak Subnets [91.9346332103637]
本研究では,頑健性を向上させるために,トレーニング中の弱さを明確に識別し,強化する新しいロバストトレーニング手法を提案する。具体的には、特に弱いものを見つけるための探索アルゴリズムを開発し、全ネットワークからの知識蒸留を通じてそれらを明示的に強化することを提案する。 EWSは、破損した画像に対するロバスト性を大幅に改善し、クリーンなデータの正確性も向上することを示す。
論文参考訳（メタデータ） (2022-01-30T09:36:19Z)
Using Convolutional Neural Networks for fault analysis and alleviation in accelerator systems [0.0]
本稿では,ニューラルネットワークにおけるハードウェア障害問題について考察する。我々の研究は、これらの失敗を体系的な観点から評価する。その結果,システムの信頼性向上に重要な結果が得られた。さらに、ハードウェアのオーバーヘッドを最小限に抑えながら、これらの障害を回避する効率的な方法を提案する。
論文参考訳（メタデータ） (2021-12-05T19:18:42Z)
Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文参考訳（メタデータ） (2021-07-26T10:40:59Z)

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。