論文の概要: Robust calibration of multiparameter sensors via machine learning at the
single-photon level
- arxiv url: http://arxiv.org/abs/2009.07122v1
- Date: Tue, 15 Sep 2020 14:22:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-02 04:28:00.953284
- Title: Robust calibration of multiparameter sensors via machine learning at the
single-photon level
- Title（参考訳）: 単光子レベルでの機械学習によるマルチパラメータセンサのロバスト校正
- Authors: Valeria Cimini, Emanuele Polino, Mauro Valeri, Ilaria Gianani,
Nicol\`o Spagnolo, Giacomo Corrielli, Andrea Crespi, Roberto Osellame, Marco
Barbieri, and Fabio Sciarrino
- Abstract要約: 統合フォトニックデバイスの校正のためのニューラルネットワークに基づくアルゴリズムの応用を実証する。
適切なネットワークトレーニング戦略を慎重に選択することで,信頼性の高い評価が達成可能であることを示す。
- 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: Calibration of sensors is a fundamental step to validate their operation.
This can be a demanding task, as it relies on acquiring a detailed modelling of
the device, aggravated by its possible dependence upon multiple parameters.
Machine learning provides a handy solution to this issue, operating a mapping
between the parameters and the device response, without needing additional
specific information on its functioning. Here we demonstrate the application of
a Neural Network based algorithm for the calibration of integrated photonic
devices depending on two parameters. We show that a reliable characterization
is achievable by carefully selecting an appropriate network training strategy.
These results show the viability of this approach as an effective tool for the
multiparameter calibration of sensors characterized by complex transduction
functions.
- Abstract（参考訳）: センサーの校正は、その動作を検証するための基本的なステップである。
これは要求のあるタスクであり、複数のパラメータに依存する可能性があるため、デバイスの詳細なモデリングを取得することに依存する。
マシンラーニングは、パラメータとデバイス応答のマッピングを操作することで、その機能に関する追加の情報を必要とせずに、この問題に対する便利なソリューションを提供する。
本稿では,2つのパラメータに依存する統合フォトニックデバイスの校正のためのニューラルネットワークに基づくアルゴリズムの適用例を示す。
適切なネットワークトレーニング戦略を慎重に選択することで,信頼性の高い評価が達成可能であることを示す。
これらの結果から, 複雑な変換関数を特徴とするセンサのマルチパラメータキャリブレーションのための有効なツールとしての有効性が示された。
関連論文リスト
- Robust Quantum Sensing with Multiparameter Decorrelation [0.15705429611931054]
我々は、どんな量子プラットフォームにも適応可能な新しいアプローチを開発し、堅牢なセンシングプロトコルを設計する。
我々は,機械学習エージェントを,潜在的検出プロトコルの空間をはるかに大きくして誘導する情報理論的目標を同定する。
パラメータ空間の統計的解析による結果とベイズ推論に対するデコレーションの効果を示す。
論文 参考訳（メタデータ） (2024-05-13T16:41:32Z) - Automation of Quantum Dot Measurement Analysis via Explainable Machine Learning [0.0]
本研究では,合成三角形の数学的モデリングによる画像ベクトル化手法を提案する。
本手法は,精度を犠牲にすることなく,モデル予測の優れた説明性を提供することを示す。
この研究は、量子ドット計測の分析に説明可能な機械学習技術を適用する可能性と利点を実証する。
論文 参考訳（メタデータ） (2024-02-21T11:00:23Z) - 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) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - Continuous Target-free Extrinsic Calibration of a Multi-Sensor System
from a Sequence of Static Viewpoints [0.0]
モバイルロボットアプリケーションは、プラットフォーム上の個々のセンサーの幾何学的位置に関する正確な情報を必要とする。
誤校正パラメータは、典型的なロボット推定タスクに悪影響を及ぼす。
本稿では,ロボットの動作中にキャリブレーションパラメータを連続的に推定する手法を提案する。
論文 参考訳（メタデータ） (2022-07-08T09:36:17Z) - Quantum-tailored machine-learning characterization of a superconducting
qubit [50.591267188664666]
我々は,量子デバイスのダイナミクスを特徴付ける手法を開発し,デバイスパラメータを学習する。
このアプローチは、数値的に生成された実験データに基づいてトレーニングされた物理に依存しないリカレントニューラルネットワークより優れている。
このデモンストレーションは、ドメイン知識を活用することで、この特徴付けタスクの正確性と効率が向上することを示す。
論文 参考訳（メタデータ） (2021-06-24T15:58:57Z) - Heisenberg scaling precision in the estimation of functions of
parameters [0.0]
一般の$M$チャネル線形ネットワークで符号化された任意のパラメータの任意の数$l$の関数の推定において,ハイゼンベルクのスケーリング精度に達するメロジカル戦略を提案する。
2つの補助線形ネットワークが必要であり、その役割は2つある: 干渉計と相互作用した後、信号が単一チャネルに再焦点され、線形ネットワークの分析により推定されるパラメータの関数が固定される。
論文 参考訳（メタデータ） (2021-03-15T17:28:15Z) - An Improvement of Object Detection Performance using Multi-step Machine
Learnings [0.0]
本稿では,キャリブレーションモデルと呼ばれる後処理ステップを導入するマルチステップ概念に基づく物体検出の強化について述べる。
キャリブレーションモデルは畳み込みニューラルネットワークで構成され、入力のドメイン知識に基づいてリッチなコンテキスト情報を利用する。
論文 参考訳（メタデータ） (2021-01-19T11:32:27Z) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z) - Condensing Two-stage Detection with Automatic Object Key Part Discovery [87.1034745775229]
2段階の物体検出器は通常、高い精度を達成するために、検出ヘッドのために過度に大きなモデルを必要とする。
そこで本研究では,2段階検出ヘッドのモデルパラメータを,対象キー部分に集中させることで縮合・縮小できることを示す。
提案手法は、一般的な2段検出ヘッドのモデルパラメータの約50%を放棄しながら、元の性能を一貫して維持する。
論文 参考訳（メタデータ） (2020-06-10T01:20:47Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z)
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。