論文の概要: Iterative Correction of Sensor Degradation and a Bayesian Multi-Sensor
Data Fusion Method
- arxiv url: http://arxiv.org/abs/2009.03091v1
- Date: Mon, 7 Sep 2020 13:24:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 02:39:13.710562
- Title: Iterative Correction of Sensor Degradation and a Bayesian Multi-Sensor
Data Fusion Method
- Title(参考訳): センサ劣化の反復補正とベイズ型マルチセンサデータ融合法
- Authors: Luka Kolar, Rok \v{S}ikonja, Lenart Treven
- Abstract要約: 本稿では,劣化信号から地中構造信号を推定する新しい手法を提案する。
アルゴリズムは、2つの信号の繰り返し補正を行うことで乗算分解効果を学習する。
我々は理論的解析を含意し、ノイズレス測定モデルのための地上構造信号への収束性を証明する。
- 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: We present a novel method for inferring ground-truth signal from multiple
degraded signals, affected by different amounts of sensor exposure. The
algorithm learns a multiplicative degradation effect by performing iterative
corrections of two signals solely from the ratio between them. The degradation
function d should be continuous, satisfy monotonicity, and d(0) = 1. We use
smoothed monotonic regression method, where we easily incorporate the
aforementioned criteria to the fitting part. We include theoretical analysis
and prove convergence to the ground-truth signal for the noiseless measurement
model. Lastly, we present an approach to fuse the noisy corrected signals using
Gaussian processes. We use sparse Gaussian processes that can be utilized for a
large number of measurements together with a specialized kernel that enables
the estimation of noise values of all sensors. The data fusion framework
naturally handles data gaps and provides a simple and powerful method for
observing the signal trends on multiple timescales(long-term and short-term
signal properties). The viability of correction method is evaluated on a
synthetic dataset with known ground-truth signal.
- Abstract(参考訳): 本稿では,複数の劣化信号から地上構造信号を推定する新しい手法を提案する。
アルゴリズムは、2つの信号の繰り返し補正を2つの信号の比から行うことで乗算分解効果を学習する。
分解関数 d は連続で、単調性を満たすべきであり、d(0) = 1 である。
平滑化単調回帰法を用いて, 上記基準を適合部に容易に組み込むことができる。
我々は, 理論解析を行い, 無騒音測定モデルのための接地信号への収束を証明した。
最後に,ガウス過程を用いてノイズ補正信号を融合する手法を提案する。
全センサのノイズ値の推定を可能にする特別なカーネルとともに、多数の測定に使用できる疎ガウス過程を用いる。
データ融合フレームワークはデータギャップを自然に処理し、複数の時間スケール(長期的および短期的な信号特性)で信号トレンドを観測するためのシンプルで強力な方法を提供する。
既知接地信号を有する合成データセットにおいて、補正方法の有効性を評価する。
関連論文リスト
- Stochastic gradient descent for streaming linear and rectified linear
systems with Massart noise [9.841406613646813]
我々は,SGD-expを最大50%のMassart汚職率で真のパラメータにほぼ線形収束する新しい保証を示す。
これはストリーミング環境での堅牢なReLU回帰に対する初めての収束保証結果である。
論文 参考訳(メタデータ) (2024-03-02T12:45:01Z) - Residual ANODE [0.0]
データ駆動型モデル非依存型共振異常検出のための新しい手法であるR-ANODEを提案する。
R-ANODEの鍵は、正規化フローを小さく未知の信号成分に直接適合させることにより、異常検出タスクの誘導バイアスを高めることである。
本手法は,未知の信号区間が学習されたり固定されたりしても等しく動作し,信号区間の誤識別に対してさえ頑健であることを示す。
論文 参考訳(メタデータ) (2023-12-18T19:00:03Z) - Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳(メタデータ) (2023-11-30T13:50:21Z) - Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳(メタデータ) (2023-02-13T19:57:17Z) - Off-the-grid prediction and testing for mixtures of translated features [0.0]
付加的なガウス雑音過程で信号(離散あるいは連続)が観測されるモデルを考える。
我々は,スケールパラメータが変化する可能性を考慮して,オフ・ザ・グリッド推定器の過去の予測結果を拡張した。
本稿では,本モデルに対する適合性テストを提案し,テストリスクとミニマックス分離率の非漸近的上限を与える。
論文 参考訳(メタデータ) (2022-12-02T13:48:45Z) - Iterative Adaptive Spectroscopy of Short Signals [0.1338174941551702]
ラムゼー干渉法に基づく適応周波数検出プロトコルを開発した。
ラムゼイ配列を強化し、センシング状態と読み出し状態の両方で高い忠実度で調製することにより、高精度を実現する。
論文 参考訳(メタデータ) (2022-04-10T18:07:50Z) - Graph Signal Restoration Using Nested Deep Algorithm Unrolling [85.53158261016331]
グラフ信号処理は、センサー、社会交通脳ネットワーク、ポイントクラウド処理、グラフネットワークなど、多くのアプリケーションにおいてユビキタスなタスクである。
凸非依存型深部ADMM(ADMM)に基づく2つの復元手法を提案する。
提案手法のパラメータはエンドツーエンドでトレーニング可能である。
論文 参考訳(メタデータ) (2021-06-30T08:57:01Z) - Detecting Label Noise via Leave-One-Out Cross Validation [0.0]
クリーンなサンプルと破損したサンプルの混合から実値のノイズラベルを同定し,修正するための簡単なアルゴリズムを提案する。
独立分散を伴う付加的なガウス雑音項をそれぞれと観測されたラベルに関連付けるヘテロ代用ノイズモデルを用いる。
提案手法は, 合成および実世界の科学データを用いた学習において, 劣化したサンプルを特定でき, より良い回帰モデルが得られることを示す。
論文 参考訳(メタデータ) (2021-03-21T10:02:50Z) - Learning Frequency Domain Approximation for Binary Neural Networks [68.79904499480025]
フーリエ周波数領域における符号関数の勾配を正弦関数の組み合わせを用いて推定し,BNNの訓練を行う。
いくつかのベンチマークデータセットとニューラルネットワークの実験により、この手法で学習したバイナリネットワークが最先端の精度を達成することが示されている。
論文 参考訳(メタデータ) (2021-03-01T08:25:26Z) - Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint
modeling [69.35569554213679]
解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。
この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。
本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
論文 参考訳(メタデータ) (2020-05-16T21:17:26Z) - Sample Complexity Bounds for 1-bit Compressive Sensing and Binary Stable
Embeddings with Generative Priors [52.06292503723978]
生成モデルを用いた圧縮センシングの進歩により, 生成モデルを用いた1ビット圧縮センシングの問題点を考察した。
まずノイズのない1ビット測定を考察し, ガウス測度に基づく近似回復のためのサンプル複雑性境界を提供する。
また,リプシッツ連続生成モデルを用いた1ビット圧縮センシングにも有効であることを示すため,評価誤差と雑音に対する再構成の堅牢性を示すBinary $epsilon$-Stable Embedding特性を実証した。
論文 参考訳(メタデータ) (2020-02-05T09:44:10Z)
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。