論文の概要: An individual-level ground truth dataset for home location detection
- arxiv url: http://arxiv.org/abs/2010.08814v1
- Date: Sat, 17 Oct 2020 15:41:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 19:51:50.657132
- Title: An individual-level ground truth dataset for home location detection
- Title（参考訳）: 家庭位置検出のための個別レベル基底真理データセット
- Authors: Luca Pappalardo, Leo Ferres, Manuel Sacasa, Ciro Cattuto, Loreto Bravo
- Abstract要約: 本研究は,65名の被験者を対象に,ホーム検出アルゴリズムの精度を評価する。
ストリームの選択とアルゴリズムが家庭検出に大きく影響していることが判明した。
- 参考スコア（独自算出の注目度）: 0.7769712273444055
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Home detection, assigning a phone device to its home antenna, is a ubiquitous
part of most studies in the literature on mobile phone data. Despite its
widespread use, home detection relies on a few assumptions that are difficult
to check without ground truth, i.e., where the individual that owns the device
resides. In this paper, we provide an unprecedented evaluation of the accuracy
of home detection algorithms on a group of sixty-five participants for whom we
know their exact home address and the antennas that might serve them. Besides,
we analyze not only Call Detail Records (CDRs) but also two other mobile phone
streams: eXtended Detail Records (XDRs, the ``data'' channel) and Control Plane
Records (CPRs, the network stream). These data streams vary not only in their
temporal granularity but also they differ in the data generation mechanism',
e.g., CDRs are purely human-triggered while CPR is purely machine-triggered
events. Finally, we quantify the amount of data that is needed for each stream
to carry out successful home detection for each stream. We find that the choice
of stream and the algorithm heavily influences home detection, with an
hour-of-day algorithm for the XDRs performing the best, and with CPRs
performing best for the amount of data needed to perform home detection. Our
work is useful for researchers and practitioners in order to minimize data
requests and to maximize the accuracy of home antenna location.
- Abstract（参考訳）: 携帯電話をホームアンテナに割り当てるホーム検出は、携帯電話データに関する文献におけるほとんどの研究のユビキタスな部分である。
ホーム検出は広く使われているにもかかわらず、いくつかの仮定に頼っているが、それは基礎的な真実なしには確認が困難である。
そこで本論文では,65名の参加者が自宅の正確な住所とそれらに対応するアンテナを知っているグループに対して,ホーム検出アルゴリズムの精度を前例のない精度で評価する。
また,コールディーテールレコード (CDR) だけでなく,eXtended Detail Records (XDR, 'data' チャネル) と Control Plane Records (CPR, ネットワークストリーム) の2つの携帯電話ストリームも分析する。
これらのデータストリームは、時間的粒度だけでなく、データ生成機構にも異なり、例えば、CDRは純粋に人間のトリガーであり、CPRは純粋に機械トリガーのイベントである。
最後に、各ストリームの家庭検出を成功させるために、各ストリームに必要なデータ量を定量化する。
ストリームとアルゴリズムの選択はホーム検出に大きく影響し,xdrsが最善を尽くすための1時間のアルゴリズムと,ホーム検出に必要なデータ量に対してcprが最良であることがわかった。
本研究は,データ要求を最小化し,ホームアンテナ位置の精度を最大化するために,研究者や実践者にとって有用である。
関連論文リスト
- Learning 3D Perception from Others' Predictions [64.09115694891679]
本研究では,3次元物体検出装置を構築するための新たなシナリオについて検討する。
例えば、自動運転車が新しいエリアに入ると、その領域に最適化された検出器を持つ他の交通参加者から学ぶことができる。
論文 参考訳（メタデータ） (2024-10-03T16:31:28Z) - Radio Map Estimation -- An Open Dataset with Directive Transmitter
Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。
モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文 参考訳（メタデータ） (2024-01-12T14:56:45Z) - Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。
提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文 参考訳（メタデータ） (2023-03-03T23:46:25Z) - Variational Autoencoder Assisted Neural Network Likelihood RSRP
Prediction Model [2.881201648416745]
MDTデータとデジタルツイン(DT)を利用したRSRP予測のための生成モデルについて検討する。
実世界のデータを用いた提案モデルでは,実証モデルと比較して約20%以上の精度向上が示されている。
論文 参考訳（メタデータ） (2022-06-27T17:27:35Z) - Optimization of IoT-Enabled Physical Location Monitoring Using DT and
VAR [0.0]
この研究は、決定木(DT)とランダム森林が、センサデータを用いて人を予測するために、合理的に類似したマクロ平均f1スコアを与えることを明らかにした。
DTは、83.99%、88.92%、そして80.97%の精度でタイムスタンプを使用している人を予測するために、3つの異なる物理的位置のクラウドデータセットに対して最も信頼性の高い予測モデルである。
論文 参考訳（メタデータ） (2022-04-10T11:39:46Z) - Pedestrian Detection: Domain Generalization, CNNs, Transformers and
Beyond [82.37430109152383]
その結果、現在の歩行者検知器は、クロスデータセット評価において、たとえ小さな領域シフトであっても処理が不十分であることがわかった。
限定的な一般化は、その方法と現在のデータ源の2つの主要な要因に帰着する。
本稿では、一般化を改善する進歩的な微調整戦略を提案する。
論文 参考訳（メタデータ） (2022-01-10T06:00:26Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Domain and Modality Gaps for LiDAR-based Person Detection on Mobile
Robots [91.01747068273666]
本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。
実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。
その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
論文 参考訳（メタデータ） (2021-06-21T16:35:49Z) - An IoT-Based Framework for Remote Fall Monitoring [2.511917198008258]
本稿では,クラウドに接続されたゲートウェイデバイスを介してモバイルアプリケーションにデータを送信するセンサデバイスを含む,転倒検出のための新しいIoTベースのシステムを提案する。
その結果,転倒決定に有効な特徴として,連続ウェーブレット変換(CWT)の重要性が強調された。
すべてのパフォーマンス指標(精度、リコール、精度、特異性、F1スコア)に対して、達成された結果は、小さなデータセットに対して95%以上である。
論文 参考訳（メタデータ） (2021-03-10T22:37:19Z) - CURIE: A Cellular Automaton for Concept Drift Detection [25.314158724575915]
データストリームマイニングは、高速かつ連続的に流れる大量のデータから情報を抽出する。
これらはデータ分布の変化に影響され、概念ドリフト(concept drift)と呼ばれる現象が引き起こされる。
本研究では,セルオートマトンを利用したドリフト検出器CU RIEを提案する。
論文 参考訳（メタデータ） (2020-09-21T08:28:21Z)
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。