論文の概要: Split Learning Meets Koopman Theory for Wireless Remote Monitoring and Prediction

• arxiv url: http://arxiv.org/abs/2104.08109v1
• Date: Fri, 16 Apr 2021 13:34:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 14:09:06.247839
• Title: Split Learning Meets Koopman Theory for Wireless Remote Monitoring and Prediction
• Title（参考訳）: Split Learningがワイヤレスリモートモニタリングと予測のためのKoopman理論を発表
• Authors: Abanoub M. Girgis, Hyowoon Seo, Jihong Park, Mehdi Bennis, and Jinho Choi
• Abstract要約: 本稿では,エンコーダとデコーダを分離して状態センサに格納するオートエンコーダとそのリモートオブザーバを訓練する。 このオートエンコーダは、状態表現寸法を減らすことでリモート監視ペイロードのサイズを小さくするだけでなく、Koopman演算子を介してシステムダイナミクスを学ぶ。 非線形なカートポール環境下での数値実験の結果,提案するkoopmanオートエンコーダの分割学習により,将来の状態を局所的に予測でき,予測精度は表現次元と伝送パワーで向上する。
• 参考スコア（独自算出の注目度）: 76.88643211266168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remote state monitoring over wireless is envisaged to play a pivotal role in enabling beyond 5G applications ranging from remote drone control to remote surgery. One key challenge is to identify the system dynamics that is non-linear with a large dimensional state. To obviate this issue, in this article we propose to train an autoencoder whose encoder and decoder are split and stored at a state sensor and its remote observer, respectively. This autoencoder not only decreases the remote monitoring payload size by reducing the state representation dimension, but also learns the system dynamics by lifting it via a Koopman operator, thereby allowing the observer to locally predict future states after training convergence. Numerical results under a non-linear cart-pole environment demonstrate that the proposed split learning of a Koopman autoencoder can locally predict future states, and the prediction accuracy increases with the representation dimension and transmission power.
• Abstract（参考訳）: リモートドローンコントロールから遠隔手術までの5Gアプリケーションを実現する上で、ワイヤレスによるリモート状態監視は重要な役割を果たす。 重要な課題の1つは、大きな次元状態を持つ非線形のシステムダイナミクスを特定することである。 この問題を回避するため、本稿では、エンコーダとデコーダをそれぞれ状態センサとリモートオブザーバに分割して保存するオートエンコーダを訓練することを提案する。 このオートエンコーダは、状態表現次元を小さくすることでリモート監視ペイロードサイズを縮小するだけでなく、クープマン演算子を介して持ち上げてシステムダイナミクスを学習することで、トレーニング収束後の将来の状態をローカルに予測できるようにする。 非線形なカートポール環境下での数値実験の結果,提案するkoopmanオートエンコーダの分割学習により,将来の状態を局所的に予測でき,予測精度は表現次元と伝送パワーで向上する。

関連論文リスト

• Unsupervised Stereo Matching Network For VHR Remote Sensing Images Based On Error Prediction [5.68487023151187]
  VHRリモートセンシング画像のための新しい教師なしステレオマッチングネットワークを提案する。 予測誤差で信頼性をブリッジする軽量モジュールを導入し、コアモデルを洗練する。 US3DおよびWHU-Stereoデータセットの実験結果は、提案したネットワークが他の教師なしネットワークと比較して精度が高いことを示す。
  論文  参考訳（メタデータ） (2024-08-14T09:59:04Z)
• Multistep Inverse Is Not All You Need [87.62730694973696]
  実世界の制御環境では、観測空間は不要に高次元であり、時間関連ノイズにさらされることが多い。 したがって、観測空間を制御関連変数のより単純な空間にマッピングするエンコーダを学ぶことが望ましい。 本稿では,多段階逆予測と遅延フォワードモデルを組み合わせた新しいアルゴリズムACDFを提案する。
  論文  参考訳（メタデータ） (2024-03-18T16:36:01Z)
• USat: A Unified Self-Supervised Encoder for Multi-Sensor Satellite Imagery [5.671254904219855]
  我々は、複数のセンサからマルチスペクトルデータを入力し、自己教師付き事前学習を可能にする、USatと呼ばれる新しいエンコーダアーキテクチャを開発した。 我々は、UatをMasked Autoencoder(MAE)自己教師付き事前訓練手順に統合し、事前訓練されたUatがリモートセンシングデータに基づいてトレーニングされた最先端のMAEモデルより優れていることを確認する。
  論文  参考訳（メタデータ） (2023-12-02T19:17:04Z)
• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• Think Twice before Driving: Towards Scalable Decoders for End-to-End Autonomous Driving [74.28510044056706]
  既存のメソッドは通常、分離されたエンコーダ-デコーダパラダイムを採用する。 本研究は,この問題を2つの原則で緩和することを目的としている。 まず、エンコーダの特徴に基づいて、粗い将来の位置と行動を予測する。 そして、その位置と動作を条件に、将来のシーンを想像して、それに従って運転した場合にその影響を確認する。
  論文  参考訳（メタデータ） (2023-05-10T15:22:02Z)
• Safe Output Feedback Motion Planning from Images via Learned Perception Modules and Contraction Theory [6.950510860295866]
  本稿では、実行時の安全性と目標到達性を保証する不確実な制御-アフィン非線形システムのクラスを示す。 我々は、観測から状態のサブセットを逆転させようとする知覚システムを訓練し、知覚誤差の上限を推定する。 次に、収縮理論を用いて安定化状態フィードバックコントローラと収束状態オブザーバを設計する。 この制御器が動的および不正確な状態推定における誤差を受ける場合、軌道追従誤差を導出する。
  論文  参考訳（メタデータ） (2022-06-14T02:03:27Z)
• Integral Migrating Pre-trained Transformer Encoder-decoders for Visual Object Detection [78.2325219839805]
  imTEDは、数発のオブジェクト検出の最先端を最大7.6%改善する。 MS COCOデータセットの実験は、imTEDが一貫してそのデータセットを2.8%上回っていることを示している。
  論文  参考訳（メタデータ） (2022-05-19T15:11:20Z)
• Neural Network Based Lidar Gesture Recognition for Realtime Robot Teleoperation [0.0]
  移動ロボット制御のための低複雑さライダージェスチャー認識システムを提案する。 このシステムは軽量で、限られた計算能力を持つ移動ロボット制御に適している。 ライダーの使用はシステムの堅牢性に寄与し、ほとんどの屋外環境での運用を可能にしている。
  論文  参考訳（メタデータ） (2021-09-17T00:49:31Z)
• Variational Autoencoders: A Harmonic Perspective [79.49579654743341]
  本研究では,高調波解析の観点から変分オートエンコーダ(VAE)について検討する。 VAEのエンコーダ分散は、VAEエンコーダとデコーダニューラルネットワークによってパラメータ化された関数の周波数内容を制御する。
  論文  参考訳（メタデータ） (2021-05-31T10:39:25Z)

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。