論文の概要: Ant Colony Inspired Machine Learning Algorithm for Identifying and
Emulating Virtual Sensors
- arxiv url: http://arxiv.org/abs/2011.00836v2
- Date: Sat, 27 Mar 2021 08:10:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 10:55:32.319964
- Title: Ant Colony Inspired Machine Learning Algorithm for Identifying and
Emulating Virtual Sensors
- Title（参考訳）: Ant Colonyによる仮想センサの同定とエミュレーションのための機械学習アルゴリズム
- Authors: Pranav Mani, ES Gopi, Koushik Kumaran, Hrishikesh Shekhar, Sharan
Chandra
- Abstract要約: 他のセンサーに基づいて特定のセンサーの出力をエミュレートすることが可能である。
読み出しをエミュレートできるセンサーのサブセットを特定するために、センサーはクラスタにグループ化されなければならない。
本稿では,このようなシステムにおける仮想センサを実現するために,エンドツーエンドのアルゴリズムソリューションを提案する。
- 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: The scale of systems employed in industrial environments demands a large
number of sensors to facilitate meticulous monitoring and functioning. These
requirements could potentially lead to inefficient system designs. The data
coming from various sensors are often correlated due to the underlying
relations in the system parameters that the sensors monitor. In theory, it
should be possible to emulate the output of certain sensors based on other
sensors. Tapping into such possibilities holds tremendous advantages in terms
of reducing system design complexity. In order to identify the subset of
sensors whose readings can be emulated, the sensors must be grouped into
clusters. Complex systems generally have a large quantity of sensors that
collect and store data over prolonged periods of time. This leads to the
accumulation of massive amounts of data. In this paper we propose an end-to-end
algorithmic solution, to realise virtual sensors in such systems. This
algorithm splits the dataset into blocks and clusters each of them
individually. It then fuses these clustering solutions to obtain a global
solution using an Ant Colony inspired technique, FAC2T. Having grouped the
sensors into clusters, we select representative sensors from each cluster.
These sensors are retained in the system while the other sensors readings are
emulated by applying supervised learning algorithms.
- Abstract（参考訳）: 産業環境で使用されるシステムの規模は、綿密な監視と機能を容易にするために多数のセンサーを必要とする。
これらの要求はシステム設計の非効率につながる可能性がある。
様々なセンサーから得られるデータは、センサーが監視するシステムパラメータの根底にある関係のため、しばしば相関する。
理論的には、特定のセンサーの出力を他のセンサーに基づいてエミュレートすることも可能だ。
このような可能性に取り組むことは、システム設計の複雑さを減らすという点で大きな利点があります。
読み出しをエミュレートできるセンサーのサブセットを特定するために、センサーはクラスタにグループ化されなければならない。
複雑なシステムは一般に大量のセンサーを持ち、長期間にわたってデータを収集し保存する。
これにより大量のデータが蓄積される。
本稿では,このようなシステムにおいて仮想センサを実現するためのエンドツーエンドのアルゴリズムソリューションを提案する。
このアルゴリズムはデータセットを個別にブロックとクラスタに分割する。
そして、これらのクラスタリングソリューションを融合して、antコロニーにインスパイアされた技術であるfac2tを使ってグローバルソリューションを得る。
センサをクラスタにグループ化して,各クラスタから代表センサを選択する。
これらのセンサはシステムに保持され、他のセンサーは教師付き学習アルゴリズムを適用してエミュレートされる。
関連論文リスト
- MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。
そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-18T13:32:59Z) - Data-Induced Interactions of Sparse Sensors [3.050919759387984]
トレーニングデータによって引き起こされるセンサインタラクションの全体像を熱力学ビューで計算する。
これらのデータによって引き起こされるセンサーの相互作用をマッピングすることで、外部選択基準と組み合わせ、センサーの代替効果を予測することができる。
論文 参考訳（メタデータ） (2023-07-21T18:13:37Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。
畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。
提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
論文 参考訳（メタデータ） (2022-02-15T17:38:30Z) - Representation Learning for Remote Sensing: An Unsupervised Sensor
Fusion Approach [0.0]
本稿では,複数の情報源から得られたコヒーレンスデータを利用したコントラシティブ・センサ・フュージョンを提案し,それらの組み合わせのすべての有用な表現を学習する。
4700万枚のラベルのない画像三重項のデータセットを用いて、入力センサーから可能なチャネルの組み合わせから有意義な表現を生成するエンコーダを訓練する。
これらの表現は、リモートセンシング分類タスクにおいて、完全な教師付きイメージネット重みよりも優れ、より多くのセンサーが融合するにつれて改善される。
論文 参考訳（メタデータ） (2021-08-11T08:32:58Z) - On the Role of Sensor Fusion for Object Detection in Future Vehicular
Networks [25.838878314196375]
異なるセンサの組み合わせが車両の移動・運転環境の検出にどのように影響するかを評価します。
最終的な目標は、チャネルに分散するデータの量を最小限に抑える最適な設定を特定することです。
論文 参考訳（メタデータ） (2021-04-23T18:58:37Z) - Anomaly Detection through Transfer Learning in Agriculture and
Manufacturing IoT Systems [4.193524211159057]
本稿では, 農作物に設置したセンサから, 7種類のセンサからのデータと, 振動センサを用いた先進的な製造試験からのデータを分析する。
これら2つのアプリケーション領域において、予測的障害分類がいかに達成され、予測的メンテナンスの道が開かれたかを示す。
論文 参考訳（メタデータ） (2021-02-11T02:37:27Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - 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) - Data-Driven Construction of Data Center Graph of Things for Anomaly
Detection [5.160640187262777]
データセンター(DC)にはIT機器と設備機器の両方が含まれており、DCの運用には高品質な監視システムが必要である。
DCモニタリングシステムのためのコンピュータルームには多くのセンサーがあり、それらは本質的に関連しています。
本研究は,センサの時系列測定から,物体の直流グラフ(センサグラフ)を構築するためのデータ駆動パイプラインを提案する。
論文 参考訳（メタデータ） (2020-04-27T01:54:43Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z)
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。