論文の概要: Multi-Objective Bayesian Optimisation and Joint Inversion for Active Sensor Fusion

• arxiv url: http://arxiv.org/abs/2010.05386v1
• Date: Mon, 12 Oct 2020 01:23:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 08:09:47.139414
• Title: Multi-Objective Bayesian Optimisation and Joint Inversion for Active Sensor Fusion
• Title（参考訳）: アクティブセンサ融合のための多目的ベイズ最適化とジョイントインバージョン
• Authors: Sebastian Haan, Fabio Ramos, Dietmar M\"uller
• Abstract要約: 新しい測定値の割当にコストのかかる関数が与えられた場合,多目的最適化と逆問題のためのフレームワークを提案する。 本手法は2次元センサデータと3次元物理特性の多次元前方モデルとを共同で解くために考案された。 本研究では,2次元重力と磁気センサのデータに基づいて,新しいドリルコア測定をどこに配置するかを推奨する。
• 参考スコア（独自算出の注目度）: 22.04258832800079
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A critical decision process in data acquisition for mineral and energy resource exploration is how to efficiently combine a variety of sensor types and to minimize total cost. We propose a probabilistic framework for multi-objective optimisation and inverse problems given an expensive cost function for allocating new measurements. This new method is devised to jointly solve multi-linear forward models of 2D-sensor data and 3D-geophysical properties using sparse Gaussian Process kernels while taking into account the cross-variances of different parameters. Multiple optimisation strategies are tested and evaluated on a set of synthetic and real geophysical data. We demonstrate the advantages on a specific example of a joint inverse problem, recommending where to place new drill-core measurements given 2D gravity and magnetic sensor data, the same approach can be applied to a variety of remote sensing problems with linear forward models - ranging from constraints limiting surface access for data acquisition to adaptive multi-sensor positioning.
• Abstract（参考訳）: ミネラルおよびエネルギー資源探査のためのデータ取得における決定過程は、様々なセンサータイプを効率的に組み合わせ、総コストを最小化する方法である。 本稿では,多目的最適化と逆問題に対する確率的フレームワークを提案する。 本手法は,2次元センサデータと3次元物理特性の多次元フォワードモデルを,異なるパラメータの交叉分散を考慮したスパースガウスプロセスカーネルを用いて共同で解く。 複数の最適化戦略を, 合成および実測地データを用いて検証し, 評価する。 2次元重力・磁気センサデータによる新しいドリルコアの配置を推奨するジョイント逆問題の具体例では,線形フォワードモデルを用いた様々なリモートセンシング問題に対して,データ取得のための表面アクセス制限から適応型マルチセンサ測位まで,同様のアプローチが適用可能であることを示す。

関連論文リスト

• Deep Optimal Sensor Placement for Black Box Stochastic Simulations [1.638332186726632]
  本稿では, 入力パラメータに対する結合分布と, 結合エネルギーモデルを用いた解を提案する。 提案手法は,従来の手法に比べて計算コストの低い高精度なセンサ位置を提供することを示す。
  論文  参考訳（メタデータ） (2024-10-15T20:10:25Z)
• Exploring End-to-end Differentiable Neural Charged Particle Tracking -- A Loss Landscape Perspective [0.0]
  粒子追跡のためのE2E差分型決定型学習手法を提案する。 離散的な代入操作の微分可能なバリエーションは、効率的なネットワーク最適化を可能にすることを示す。 E2Eの微分性は、勾配情報の一般利用に加えて、予測不安定性を緩和するロバスト粒子追跡のための重要なツールである、と我々は主張する。
  論文  参考訳（メタデータ） (2024-07-18T11:42:58Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• AlignMiF: Geometry-Aligned Multimodal Implicit Field for LiDAR-Camera Joint Synthesis [98.3959800235485]
  近年,複数のモダリティを単一のフィールド内で探索する手法がいくつか存在しており,異なるモダリティから暗黙的な特徴を共有して再現性能を向上させることを目的としている。 本研究では,LiDAR-カメラ共同合成の多モード暗黙的場に関する包括的解析を行い,その根底にある問題はセンサの誤配にあることを示した。 幾何学的に整合した多モード暗黙の場であるAlignMiFを導入し,2つのモジュール,Geometry-Aware Alignment (GAA) とShared Geometry Initialization (SGI)を提案する。
  論文  参考訳（メタデータ） (2024-02-27T13:08:47Z)
• Efficient Multi-Resolution Fusion for Remote Sensing Data with Label Uncertainty [0.7832189413179361]
  本稿では,画素レベルのトレーニングラベルを必要とせず,マルチモーダル・マルチレゾリューションリモートセンサデータを融合する新しい手法を提案する。 探索空間を削減し,MIMRFフレームワークの効率を大幅に改善する二元ファジィ測度に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-02-07T17:34:32Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic Uncertainty [58.144520501201995]
  ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。 注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。 また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T22:04:19Z)
• Inadequacy of Linear Methods for Minimal Sensor Placement and Feature Selection in Nonlinear Systems; a New Approach Using Secants [0.0]
  一般の非線形逆問題に対するセンサ配置と特徴選択のための新しいデータ駆動手法を提案する。 我々は3つの効率的なグリージーアルゴリズムを開発し、それぞれ異なる種類の堅牢で最小に近い復元保証を提供する。
  論文  参考訳（メタデータ） (2021-01-27T01:57:34Z)
• Learning Selective Sensor Fusion for States Estimation [47.76590539558037]
  本稿では,エンド・ツー・エンドのセンサ・フュージョン・モジュールであるSelectFusionを提案する。 予測中、ネットワークは異なるセンサーモードから潜伏する特徴の信頼性を評価することができる。 我々は、公開データセットと漸進的に劣化したデータセットの両方において、すべての融合戦略を広範囲に評価する。
  論文  参考訳（メタデータ） (2019-12-30T20:25:16Z)

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。