論文の概要: Crowd Sensing and Living Lab Outdoor Experimentation Made Easy
- arxiv url: http://arxiv.org/abs/2107.04117v4
- Date: Fri, 15 Oct 2021 10:06:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 01:50:36.910060
- Title: Crowd Sensing and Living Lab Outdoor Experimentation Made Easy
- Title(参考訳): 群衆センシングと野外実験が簡単になった
- Authors: Evangelos Pournaras, Atif Nabi Ghulam, Renato Kunz, Regula H\"anggli
- Abstract要約: この記事では、厳格な屋外実験のためのオープンソースのソフトウェアプラットフォームであるSmart Agoraを紹介します。
1行のコードを書くことなく、非常に複雑な実験シナリオが視覚的に設計され、スマートフォンに自動的にデプロイされます。
- 参考スコア(独自算出の注目度): 2.5234156040689237
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Living lab outdoor experimentation using pervasive computing provides new
opportunities: higher realism, external validity and socio-spatio-temporal
observations in large scale. However, experimentation `in the wild' is complex
and costly. Noise, biases, privacy concerns, compliance with standards of
ethical review boards, remote moderation, control of experimental conditions
and equipment perplex the collection of high-quality data for causal inference.
This article introduces Smart Agora, a novel open-source software platform for
rigorous systematic outdoor experimentation. Without writing a single line of
code, highly complex experimental scenarios are visually designed and
automatically deployed to smart phones. Novel geolocated survey and sensor data
are collected subject of participants verifying desired experimental
conditions, for instance, their localization at certain urban spots. This new
approach drastically improves the quality and purposefulness of crowd sensing,
tailored to conditions that confirm/reject hypotheses. The features that
support this innovative functionality and the broad spectrum of its
applicability are demonstrated.
- Abstract(参考訳): 広汎なコンピューティングを用いた実験室の屋外実験は、より高いリアリズム、外部の妥当性、大規模における社会時空間観測という新たな機会を提供する。
実験は複雑で費用がかかる。
騒音、バイアス、プライバシーの懸念、倫理的レビューボードの基準の遵守、リモートモデレーション、実験条件の制御、機器は因果推論のための高品質なデータの収集を複雑にする。
この記事では、厳格な屋外実験のためのオープンソースのソフトウェアプラットフォームであるSmart Agoraを紹介します。
1行のコードを記述することなく、非常に複雑な実験シナリオは視覚的に設計され、スマートフォンに自動的にデプロイされる。
新たな測地調査とセンサデータを収集し、所望の実験条件、例えば特定の市街地における測地を検証した。
この新しいアプローチは、仮説を確認/排除する条件に合わせた、群衆センシングの品質と目的性を大幅に改善する。
このイノベーティブな機能をサポートする機能と,その適用範囲を広く示す。
関連論文リスト
- MLXP: A framework for conducting replicable Machine Learning eXperiments
in Python [71.22547130430371]
MLXPはPythonをベースとした,オープンソースの,シンプルで,軽量な実験管理ツールである。
実験プロセスを最小限のオーバーヘッドで合理化し、高いレベルの実践的オーバーヘッドを確保します。
論文 参考訳(メタデータ) (2024-02-21T14:22:20Z) - ExPT: Synthetic Pretraining for Few-Shot Experimental Design [33.5918976228562]
実験事前変換器(Experiment Pretrained Transformers、ExPT)は、数発の実験設計の基礎モデルである。
ExPTは、合成事前学習と文脈内学習を組み合わせた新しい組み合わせを採用している。
挑戦領域における数ショットの実験設計におけるExPTの評価を行った。
論文 参考訳(メタデータ) (2023-10-30T19:25:43Z) - Robust Monocular Depth Estimation under Challenging Conditions [81.57697198031975]
最先端のモノクル深度推定手法は、難解な照明や気象条件下では信頼性が低い。
我々はmd4allでこれらの安全クリティカルな問題に取り組む: 単純で効果的なソリューションで、悪条件と理想条件の両方で確実に機能する。
論文 参考訳(メタデータ) (2023-08-18T17:59:01Z) - Intervention Generalization: A View from Factor Graph Models [7.117681268784223]
操作されたシステムの分布の因子化に関する最小限の仮定に基づいて、過去の実験から新しい条件への飛躍をいかに保証するかを詳しく検討する。
仮定された$textitinterventional Factor Model$ (IFM) は必ずしも情報であるとは限らないが、不測のコンバウンディングとフィードバックのメカニズムを明示的にモデル化する必要性を便利に抽象化する。
論文 参考訳(メタデータ) (2023-06-06T21:44:23Z) - GFlowNets for AI-Driven Scientific Discovery [74.27219800878304]
我々はGFlowNetsと呼ばれる新しい確率論的機械学習フレームワークを提案する。
GFlowNetsは、実験科学ループのモデリング、仮説生成、実験的な設計段階に適用できる。
我々は、GFlowNetsがAIによる科学的発見の貴重なツールになり得ると論じている。
論文 参考訳(メタデータ) (2023-02-01T17:29:43Z) - Active Exploration for Inverse Reinforcement Learning [58.295273181096036]
Inverse Reinforcement Learning (AceIRL) のための新しいIRLアルゴリズムを提案する。
AceIRLは、専門家の報酬関数を素早く学習し、良い政策を特定するために、未知の環境と専門家のポリシーを積極的に探求する。
我々はシミュレーションにおいてAceIRLを実証的に評価し、より単純な探索戦略よりも著しく優れていることを発見した。
論文 参考訳(メタデータ) (2022-07-18T14:45:55Z) - Adapting to Online Label Shift with Provable Guarantees [137.89382409682233]
オンラインラベルシフトの問題を定式化し,検討する。
非定常性と監督の欠如は、この問題に取り組むことを困難にしている。
我々のアルゴリズムは最適な動的後悔を享受しており、性能が透かしの性質と競合していることを示している。
論文 参考訳(メタデータ) (2022-07-05T15:43:14Z) - Active Exploration via Experiment Design in Markov Chains [86.41407938210193]
科学と工学における重要な課題は、未知の量の興味について学ぶために実験を設計することである。
本稿では,最適値に収束したポリシを効率的に選択するアルゴリズムを提案する。
理論分析に加えて,生態モニタリングと薬理学の応用に関する枠組みを概説する。
論文 参考訳(メタデータ) (2022-06-29T00:04:40Z) - SIERRA: A Modular Framework for Research Automation [5.220940151628734]
本稿では,研究の加速と成果向上のための新しいフレームワークであるSIERRAを紹介する。
SIERRAは、実験用の独立変数を素早く指定し、実験的な入力を生成し、実験を自動的に実行し、結果を処理してグラフやビデオなどの成果物を生成する。
個々の研究者のニーズに対して、簡単にカスタマイズと自動化の拡張を可能にする、深くモジュール化されたアプローチを採用している。
論文 参考訳(メタデータ) (2022-03-03T23:45:46Z) - Experiments as Code: A Concept for Reproducible, Auditable, Debuggable,
Reusable, & Scalable Experiments [7.557948558412152]
実験研究における一般的な関心事は、監査可能性と実験である。
実験全体をドキュメント化するだけでなく、自動化コードも提供する"Experiments as Code"パラダイムを提案する。
論文 参考訳(メタデータ) (2022-02-24T12:15:00Z) - Towards Futuristic Autonomous Experimentation--A Surprise-Reacting
Sequential Experiment Policy [3.326548149772318]
製造における自律的な実験プラットフォームは、先進材料に適した製造条件のシーケンシャルな探索を行うことができると考えられている。
このような能力は、未来的な自律的な実験プラットフォームに必要不可欠である、と我々は主張する。
論文 参考訳(メタデータ) (2021-12-01T16:14:49Z)
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。