論文の概要: CogSense: A Cognitively Inspired Framework for Perception Adaptation

• arxiv url: http://arxiv.org/abs/2107.10456v1
• Date: Thu, 22 Jul 2021 05:01:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-23 21:52:48.735777
• Title: CogSense: A Cognitively Inspired Framework for Perception Adaptation
• Title（参考訳）: CogSense:認知にインスパイアされた知覚適応フレームワーク
• Authors: Hyukseong Kwon, Amir Rahimi, Kevin G. Lee, Amit Agarwal, Rajan Bhattacharyya
• Abstract要約: CogSenseシステムは、哺乳類の脳における感覚の認知と知覚にインスパイアされている。 提案手法は,検出対象から計算した不均一なプローブ関数を用いて知覚誤差を評価する。
• 参考スコア（独自算出の注目度）: 4.602329567377897
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes the CogSense system, which is inspired by sense-making cognition and perception in the mammalian brain to perform perception error detection and perception parameter adaptation using probabilistic signal temporal logic. As a specific application, a contrast-based perception adaption method is presented and validated. The proposed method evaluates perception errors using heterogeneous probe functions computed from the detected objects and subsequently solves a contrast optimization problem to correct perception errors. The CogSense probe functions utilize the characteristics of geometry, dynamics, and detected blob image quality of the objects to develop axioms in a probabilistic signal temporal logic framework. By evaluating these axioms, we can formally verify whether the detections are valid or erroneous. Further, using the CogSense axioms, we generate the probabilistic signal temporal logic-based constraints to finally solve the contrast-based optimization problem to reduce false positives and false negatives.
• Abstract（参考訳）: 本稿では,確率論的信号時間論理を用いた知覚誤り検出と知覚パラメータ適応を行うために,哺乳類の脳における感覚認識と知覚に触発されたCogSenseシステムを提案する。 特定の応用として、コントラストに基づく知覚適応法を示し、検証する。 提案手法は,検出対象から計算した不均一なプローブ関数を用いて知覚誤差を評価し,コントラスト最適化問題を解く。 CogSenseプローブ関数は、物体の幾何学的特徴、ダイナミクス、検出されたブロブ画像の品質を利用して確率的信号時間論理の枠組みで公理を開発する。 これらの公理を評価することにより、検出が有効かどうかを正式に検証できる。 さらに、CagSenseの公理を用いて確率的信号時間論理に基づく制約を生成し、コントラストに基づく最適化問題を最終的に解決し、偽陽性と偽陰性を減らす。

関連論文リスト

• Cefdet: Cognitive Effectiveness Network Based on Fuzzy Inference for Action Detection [28.351392623225504]
  本研究ではファジィ推論(Cefdet)に基づく認知効果ネットワークを提案する。 人間の認知をシミュレートする「認知に基づく検出」の概念を導入する。 Cefdetは、公開データセット上のいくつかの主流アルゴリズムに対して、優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-10-08T07:53:06Z)
• Fast and Reliable Probabilistic Reflectometry Inversion with Prior-Amortized Neural Posterior Estimation [73.81105275628751]
  リフレクションメトリデータと互換性のある全ての構造を見つけることは、標準アルゴリズムでは計算が禁止される。 この信頼性の欠如に対処するため,確率論的深層学習法を用いて,現実的な構造を数秒で識別する。 提案手法は,シミュレーションに基づく推論と新しい適応型事前推定を併用する。
  論文  参考訳（メタデータ） (2024-07-26T10:29:16Z)
• PhoGAD: Graph-based Anomaly Behavior Detection with Persistent Homology Optimization [24.915797951829443]
  PhoGADはグラフベースの異常検出フレームワークである。 永続的ホモロジー最適化を利用して行動境界を明らかにする。 侵入、トラフィック、スパムデータセットの実験により、PhoGADが検出有効性において最先端(SOTA)フレームワークのパフォーマンスを上回ったことが確認された。
  論文  参考訳（メタデータ） (2024-01-19T08:13:10Z)
• Inertial Guided Uncertainty Estimation of Feature Correspondence in Visual-Inertial Odometry/SLAM [8.136426395547893]
  慣性ガイダンスを用いて特徴対応の不確かさを推定する手法を提案する。 また,近年の視覚-慣性オドメトリー/SLAMアルゴリズムの1つに組み込むことにより,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-07T04:56:29Z)
• GIT: Detecting Uncertainty, Out-Of-Distribution and Adversarial Samples using Gradients and Invariance Transformations [77.34726150561087]
  本稿では,ディープニューラルネットワークにおける一般化誤差検出のための総合的アプローチを提案する。 GITは勾配情報と不変変換の利用を組み合わせる。 本実験は,各種ネットワークアーキテクチャの最先端技術と比較して,GITの優れた性能を示すものである。
  論文  参考訳（メタデータ） (2023-07-05T22:04:38Z)
• Learning Unnormalized Statistical Models via Compositional Optimization [73.30514599338407]
  実データと人工雑音のロジスティックな損失として目的を定式化することにより, ノイズコントラスト推定(NCE)を提案する。 本稿では,非正規化モデルの負の対数類似度を最適化するための直接的アプローチについて検討する。
  論文  参考訳（メタデータ） (2023-06-13T01:18:16Z)
• Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
  本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。 我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T12:52:45Z)
• Inverse Optimal Control Adapted to the Noise Characteristics of the Human Sensorimotor System [5.629161809575013]
  観測行動からコスト関数を推定できる信号依存雑音を用いた逆最適制御を導入する。 我々は、状態と信念状態の進化の確率論的定式化を導出する。 実験者の視点から、状態変数の部分観測可能性にモデルを拡張する。
  論文  参考訳（メタデータ） (2021-10-21T13:30:14Z)
• A Transfer Learning Framework for Anomaly Detection Using Model of Normality [2.9685635948299995]
  畳み込みニューラルネットワーク(CNN)技術は、画像ベースの異常検出アプリケーションにおいて非常に有用であることが証明されている。 モデル・オブ・ノーマル性(MoN)を用いた類似度尺度に基づく異常検出のための伝達学習フレームワークを提案する。 提案したしきい値設定により,大幅な性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2020-11-12T05:26:32Z)
• Relaxing the Constraints on Predictive Coding Models [62.997667081978825]
  予測符号化(英: Predictive coding)は、脳が行う主計算が予測誤差の最小化であるとする皮質機能の影響力のある理論である。 アルゴリズムの標準的な実装は、同じ前方と後方の重み、後方の非線形微分、1-1エラーユニット接続といった、潜在的に神経的に予測できない特徴を含んでいる。 本稿では,これらの特徴はアルゴリズムに不可欠なものではなく,Hebbianの更新ルールを用いてパラメータセットを直接あるいは学習することで,学習性能に悪影響を及ぼすことなく除去可能であることを示す。
  論文  参考訳（メタデータ） (2020-10-02T15:21:37Z)
• Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
  [1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。 我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。 また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
  論文  参考訳（メタデータ） (2020-04-17T12:47:04Z)

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。