論文の概要: Analysing the Data-Driven Approach of Dynamically Estimating Positioning Accuracy

• arxiv url: http://arxiv.org/abs/2011.10478v2
• Date: Wed, 24 Feb 2021 13:09:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 06:44:27.728823
• Title: Analysing the Data-Driven Approach of Dynamically Estimating Positioning Accuracy
• Title（参考訳）: 位置決め精度を動的に推定するデータ駆動アプローチの解析
• Authors: Grigorios G. Anagnostopoulos and Alexandros Kalousis
• Abstract要約: 我々は、動的精度推定(DAE)を決定するためのデータ駆動型アプローチを分析する。 この研究は、位置決めシステムの全体的な設計の文脈において、DAE決定のデータ駆動アプローチの概要を提供する。
• 参考スコア（独自算出の注目度）: 81.66581693967416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The primary expectation from positioning systems is for them to provide the users with reliable estimates of their position. An additional piece of information that can greatly help the users utilize position estimates is the level of uncertainty that a positioning system assigns to the position estimate it produced. The concept of dynamically estimating the accuracy of position estimates of fingerprinting positioning systems has been sporadically discussed over the last decade in the literature of the field, where mainly handcrafted rules based on domain knowledge have been proposed. The emergence of IoT devices and the proliferation of data from Low Power Wide Area Networks (LPWANs) have facilitated the conceptualization of data-driven methods of determining the estimated certainty over position estimates. In this work, we analyze the data-driven approach of determining the Dynamic Accuracy Estimation (DAE), considering it in the broader context of a positioning system. More specifically, with the use of a public LoRaWAN dataset, the current work analyses: the repartition of the available training set between the tasks of determining the location estimates and the DAE, the concept of selecting a subset of the most reliable estimates, and the impact that the spatial distribution of the data has to the accuracy of the DAE. The work provides a wide overview of the data-driven approach of DAE determination in the context of the overall design of a positioning system.
• Abstract（参考訳）: ポジショニングシステムの主な期待は、ユーザに対して、位置の信頼できる見積もりを提供することである。 ユーザーが位置推定を利用するのに大いに役立つ追加情報として、位置推定システムが生成した位置推定に割り当てる不確実性のレベルがある。 指紋位置推定システムの位置推定の精度を動的に推定するという概念は、主にドメイン知識に基づく手作りルールが提案されている分野の文献において、過去10年間に散発的に議論されてきた。 IoTデバイスの出現と低電力広域ネットワーク(LPWAN)からのデータの拡散により、推定された位置推定の確実性を決定するデータ駆動方式の概念化が容易になった。 本研究では、位置決めシステムのより広い文脈において、動的精度推定(DAE)を決定するためのデータ駆動手法について分析する。 より具体的には、パブリックなLoRaWANデータセットを使用することで、現在の作業分析: 位置推定を決定するタスクとDAEの間の利用可能なトレーニングセットの再分割、最も信頼できる推定のサブセットを選択するという概念、データの空間分布がDAEの精度に与える影響。 この研究は、位置決めシステムの全体的な設計の文脈において、DAE決定のデータ駆動アプローチの概要を提供する。

関連論文リスト

• Source-Free Domain-Invariant Performance Prediction [68.39031800809553]
  本研究では,不確実性に基づく推定を主軸としたソースフリー手法を提案する。 オブジェクト認識データセットのベンチマーク実験により、既存のソースベースの手法は、限られたソースサンプルの可用性で不足していることが判明した。 提案手法は,現在の最先端のソースフリーおよびソースベース手法よりも優れており,ドメイン不変性能推定の有効性が確認されている。
  論文  参考訳（メタデータ） (2024-08-05T03:18:58Z)
• The Significance of Latent Data Divergence in Predicting System Degradation [1.2058600649065616]
  条件ベースのメンテナンスは、エンジニアリングシステムにおける潜在的な障害を早期に検出する上で、重要である。 本稿では,システムコンポーネントの潜在データ内における統計的類似性の分析を基礎とした新しい手法を提案する。 システム間の類似性は、これらの先行の相違を評価し、個々のシステム行動の微妙な理解を提供することによって推測する。
  論文  参考訳（メタデータ） (2024-06-13T11:41:20Z)
• Uncertainty quantification for probabilistic machine learning in earth observation using conformal prediction [0.22265536092123003]
  ダウンストリームアプリケーションに否定的な結果をもたらす人工知能(AI)システムを使用する場合、信頼性の低い予測が発生する可能性がある。 コンフォーマル予測は、あらゆるデータセットに適用可能な不確実性定量化のためのモデルに依存しないフレームワークを提供する。 点予測とともに不確実性を報告する必要性が高まっているため、地球観測応用における等角予測の約束に注意を向ける。
  論文  参考訳（メタデータ） (2024-01-12T07:31:21Z)
• Cal-SFDA: Source-Free Domain-adaptive Semantic Segmentation with Differentiable Expected Calibration Error [50.86671887712424]
  ドメイン適応型セマンティックセグメンテーションの流行は、ソースドメインデータの漏洩に関する懸念を引き起こしている。 ソースデータの要求を回避するため、ソースフリーなドメイン適応が実現可能なソリューションとして登場した。 校正誘導型ソースフリーなドメイン適応型セマンティックセマンティックセマンティクスフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-06T03:28:34Z)
• Prediction-Oriented Bayesian Active Learning [51.426960808684655]
  予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。 EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
  論文  参考訳（メタデータ） (2023-04-17T10:59:57Z)
• Uncertainty Estimation based on Geometric Separation [13.588210692213568]
  機械学習では、特定の入力が正しい確率を正確に予測することがリスク管理に不可欠である。 機械学習モデルにおける不確実性推定を改善するための新しい幾何学的アプローチを提案する。
  論文  参考訳（メタデータ） (2023-01-11T13:19:24Z)
• Uncertainty-guided Source-free Domain Adaptation [77.3844160723014]
  ソースフリードメイン適応(SFDA)は、事前訓練されたソースモデルのみを使用することで、未ラベルのターゲットデータセットに分類器を適応させることを目的としている。 本稿では、ソースモデル予測の不確実性を定量化し、ターゲット適応の導出に利用することを提案する。
  論文  参考訳（メタデータ） (2022-08-16T08:03:30Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)
• Estimating and Evaluating Regression Predictive Uncertainty in Deep Object Detectors [9.273998041238224]
  負の対数確率(nll)を持つトレーニング分散ネットワークは、高いエントロピー予測分布をもたらす可能性がある。 我々は,エネルギースコアを非局所的適切なスコアリングルールとして使用し,トレーニングに使用すると,エネルギースコアがより校正され,エントロピーの予測分布が低くなることを示す。
  論文  参考訳（メタデータ） (2021-01-13T12:53:54Z)

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。