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
- Improving Cross-dataset Deepfake Detection with Deep Information
Decomposition [57.284370468207214]
ディープフェイク技術は、セキュリティと社会的信頼に重大な脅威をもたらす。
既存の検出方法は、クロスデータセットのシナリオに直面した場合、パフォーマンスの急激な低下に悩まされる。
本稿では,深層情報分解(DID)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-30T12:30:25Z) - 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) - Attention-Enhanced Deep Learning for Device-Free Through-the-Wall
Presence Detection Using Indoor WiFi Systems [9.087163485833054]
WiFi信号のチャネル状態情報(CSI)を用いた人間の存在検知システムを提案する。
本システムでは,CSIデータから情報サブキャリアを自動的に選択するためのアテンションメカニズムを用いて,アテンション検出のためのアテンション強化深層学習(ALPD)と命名した。
提案するALPDシステムは,CSIデータセットを収集するための一対のWiFiアクセスポイント(AP)をデプロイすることで評価し,さらにいくつかのベンチマークと比較した。
論文 参考訳(メタデータ) (2023-04-25T19:17:36Z) - 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) - Towards an Awareness of Time Series Anomaly Detection Models'
Adversarial Vulnerability [21.98595908296989]
本研究では,センサデータに小さな対向摂動のみを加えることで,最先端の異常検出手法の性能を著しく劣化させることを実証した。
いくつかのパブリックデータセットとプライベートデータセットに対して、予測エラー、異常、分類スコアなど、さまざまなスコアを使用する。
敵攻撃に対する異常検出システムの脆弱性を初めて実証した。
論文 参考訳(メタデータ) (2022-08-24T01:55:50Z) - 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。
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。