論文の概要: IoT Wallet: Machine Learning-based Sensor Portfolio Application

• arxiv url: http://arxiv.org/abs/2011.06861v1
• Date: Fri, 13 Nov 2020 11:12:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 00:47:05.404678
• Title: IoT Wallet: Machine Learning-based Sensor Portfolio Application
• Title（参考訳）: IoT Wallet: マシンラーニングベースのセンサポートフォリオアプリケーション
• Authors: Petar \v{S}oli\'c, Ante Loji\'c Kapetanovi\'c, Tomislav \v{Z}upanovi\'c, Ivo Kova\v{c}evi\'c, Toni Perkovi\'c, Petar Popovski
• Abstract要約: Things Network(TTN)クラウドシステムは、データをInfluxデータベースに格納し、処理されたデータをユーザダッシュボードに提示する。 ユーザーのタイプに基づいて、データは閲覧のみ、制御可能、あるいは上位のユーザはセンサーをシステムに登録できる。 このシステムの特別な機能は、さまざまなシナリオで使用できる機械学習サービスである。
• 参考スコア（独自算出の注目度）: 25.257816760492123
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper an application for building sensor wallet is presented. Currently, given system collects sensor data from The Things Network (TTN) cloud system, stores the data into the Influx database and presents the processed data to the user dashboard. Based on the type of the user, data can be viewed-only, controlled or the top user can register the sensor to the system. Moreover, the system can notify users based on the rules that can be adjusted through the user interface. The special feature of the system is the machine learning service that can be used in various scenarios and is presented throughout the case study that gives a novel approach to estimate soil moisture from the signal strength of a given underground LoRa beacon node.
• Abstract（参考訳）: 本稿では,センサウォレット構築のためのアプリケーションを提案する。 現在、システムはThe Things Network(TTN)クラウドシステムからセンサデータを収集し、データをInfluxデータベースに格納し、処理したデータをユーザダッシュボードに表示する。 ユーザーのタイプに基づいて、データは閲覧のみ、制御可能、あるいは上位のユーザはセンサーをシステムに登録できる。 さらに,ユーザインタフェースを通じて調整可能なルールに基づいて,ユーザに通知することができる。 このシステムの特長は、様々なシナリオで使用できる機械学習サービスであり、ケーススタディを通じて、与えられた地下のLoRaビーコンノードの信号強度から土壌水分を推定するための新しいアプローチを提供する。

関連論文リスト

• UserBoost: Generating User-specific Synthetic Data for Faster Enrolment into Behavioural Biometric Systems [8.812837829361923]
  実データと合成データを併用することで,生体認証システムにエンロールするために必要な実データポイント数を削減できることを示す。 実世界のシステムにおいて,学習における合成ジェスチャーを用いることで,分類能力の向上が期待できることを示す。
  論文  参考訳（メタデータ） (2024-07-12T09:10:07Z)
• A Plug-in Tiny AI Module for Intelligent and Selective Sensor Data Transmission [10.174575604689391]
  本稿では、インテリジェントなデータ伝送機能を備えたセンシングフレームワークを実現するための新しいセンシングモジュールを提案する。 センサの近くに置かれる高効率機械学習モデルを統合する。 このモデルは,無関係な情報を破棄しながら,貴重なデータのみを送信するセンサシステムに対して,迅速なフィードバックを提供する。
  論文  参考訳（メタデータ） (2024-02-03T05:41:39Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
  リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。 我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
  論文  参考訳（メタデータ） (2022-01-31T20:02:22Z)
• Attribute Inference Attack of Speech Emotion Recognition in Federated Learning Settings [56.93025161787725]
  Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。 本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。 FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-12-26T16:50:42Z)
• Real-time Wireless Transmitter Authorization: Adapting to Dynamic Authorized Sets with Information Retrieval [15.572581983129655]
  実際の展開では、承認された送信機のセットが変更されるにつれて、送信機の追加および削除の必要性が生じる可能性がある。 本稿では,これらの特徴ベクトルを局所感性ハッシュ(LSH)を用いてデータベースにインデクシングすることで,学習の簡易化を実証する。 本稿では,データベース上で近接する近傍探索を行い,深層学習モデルの精度に適合する送信機認証を行うことを示す。
  論文  参考訳（メタデータ） (2021-11-04T02:00:45Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)
• Federated Learning of User Authentication Models [69.93965074814292]
  機械学習モデルのプライバシー保護のためのフレームワークであるFederated User Authentication (FedUA)を提案する。 FedUAは、フェデレートされた学習フレームワークを採用して、ユーザが生の入力を共有することなく、共同でモデルをトレーニングできるようにする。 提案手法はプライバシ保護であり,多数のユーザに対してスケーラブルであることを示し,出力層を変更することなく,新たなユーザをトレーニングに追加できるようにした。
  論文  参考訳（メタデータ） (2020-07-09T08:04:38Z)
• End-to-end User Recognition using Touchscreen Biometrics [11.394909061094463]
  目標は、モバイルデバイスの生データを使ってユーザーを透過的に識別できるエンドツーエンドシステムを作ることだった。 提案するシステムでは,タッチスクリーンからのデータはディープニューラルネットワークの入力に直接反映され,ユーザの同一性を決定することができる。
  論文  参考訳（メタデータ） (2020-06-09T16:38:09Z)
• Improving time use measurement with personal big data collection -- the experience of the European Big Data Hackathon 2019 [62.997667081978825]
  この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。 i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
  論文  参考訳（メタデータ） (2020-04-24T18:40:08Z)

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。