論文の概要: Sensor Sampling Trade-Offs for Air Quality Monitoring With Low-Cost
Sensors
- arxiv url: http://arxiv.org/abs/2112.09072v1
- Date: Tue, 14 Dec 2021 11:05:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-17 16:54:05.972068
- Title: Sensor Sampling Trade-Offs for Air Quality Monitoring With Low-Cost
Sensors
- Title(参考訳): 低コストセンサによる空気品質モニタリングのためのセンササンプリングトレードオフ
- Authors: Pau Ferrer-Cid, Julio Garcia-Calvete, Aina Main-Nadal, Zhe Ye, Jose M.
Barcelo-Ordinas and Jorge Garcia-Vidal
- Abstract要約: 本研究では, 対流圏オゾン, 二酸化窒素, 一酸化窒素の低コストセンサの校正におけるデータサンプリング戦略の影響について述べる。
具体的には,センササブシステムのデューティサイクルを最小化するサンプリング戦略によって,データ品質を維持しながら消費電力を削減できることを示す。
- 参考スコア(独自算出の注目度): 0.1957338076370071
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The calibration of low-cost sensors using machine learning techniques is a
methodology widely used nowadays. Although many challenges remain to be solved
in the deployment of low-cost sensors for air quality monitoring, low-cost
sensors have been shown to be useful in conjunction with high-precision
instrumentation. Thus, most research is focused on the application of different
calibration techniques using machine learning. Nevertheless, the successful
application of these models depends on the quality of the data obtained by the
sensors, and very little attention has been paid to the whole data gathering
process, from sensor sampling and data pre-processing, to the calibration of
the sensor itself. In this article, we show the main sensor sampling
parameters, with their corresponding impact on the quality of the resulting
machine learning-based sensor calibration and their impact on energy
consumption, thus showing the existing trade-offs. Finally, the results on an
experimental node show the impact of the data sampling strategy in the
calibration of tropospheric ozone, nitrogen dioxide and nitrogen monoxide
low-cost sensors. Specifically, we show how a sampling strategy that minimizes
the duty cycle of the sensing subsystem can reduce power consumption while
maintaining data quality.
- Abstract(参考訳): 機械学習技術を用いた低コストセンサの校正は,近年広く用いられている手法である。
空気質監視のための低コストセンサーの導入では、多くの課題が解決され続けているが、低コストセンサーは高精度計器と組み合わせて有用であることが示されている。
したがって、多くの研究は機械学習を用いた様々なキャリブレーション手法の適用に焦点を当てている。
それでも、これらのモデルの成功は、センサーが取得したデータの品質に依存しており、センサーサンプリングやデータ前処理からセンサー自体の校正に至るまで、データ収集プロセス全体にはほとんど注意が払われていない。
本稿では,機械学習によるセンサキャリブレーション結果の品質と,そのエネルギー消費への影響を主センササンプリングパラメータとして示し,既存のトレードオフを示す。
最後に,実験ノードを用いた結果から,対流圏オゾン,二酸化窒素,一酸化窒素センサのキャリブレーションにおけるデータサンプリング戦略の影響を明らかにした。
具体的には,センシングサブシステムのデューティサイクルを最小化するサンプリング戦略が,データ品質を維持しながら消費電力を削減できることを示す。
関連論文リスト
- MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。
そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2024-11-18T13:32:59Z) - Spatial-Temporal Graph Attention Fuser for Calibration in IoT Air
Pollution Monitoring Systems [8.997596859735516]
本稿では,センサアレイからのデータを融合させることによりキャリブレーションのプロセスを改善する新しい手法を提案する。
我々は,IoT大気汚染監視プラットフォームにおけるセンサの校正精度を大幅に向上させる手法の有効性を実証する。
論文 参考訳(メタデータ) (2023-09-08T12:04:47Z) - Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。
本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。
本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
論文 参考訳(メタデータ) (2023-06-19T11:00:54Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Few-shot calibration of low-cost air pollution (PM2.5) sensors using
meta-learning [11.352677351165246]
低コストの粒子状物質センサーは、大気の質をモニターしている。
これらのセンサーは、共同デプロイされた基準モニターからのトレーニングデータを必要とする。
本稿では,センサの迅速な校正のための新しい伝達学習法を提案する。
論文 参考訳(メタデータ) (2021-08-02T05:19:23Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳(メタデータ) (2021-07-22T07:25:35Z) - Data-based Design of Inferential Sensors for Petrochemical Industry [0.0]
産業において、不正確な(またはソフトな)センサーは、オンラインで測定された変数から不正確かつ稀に測定された(または完全に測定されていない)変数の値を推測するために用いられる。
本研究は, 石油精製装置2基の工業蒸留塔の製品組成推定センサの設計に焦点をあてたものである。
論文 参考訳(メタデータ) (2021-06-25T08:48:50Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳(メタデータ) (2021-02-02T15:44:39Z) - Data-aided Sensing for Gaussian Process Regression in IoT Systems [48.523643863141466]
我々は,インターネット・オブ・シングス・システムにおいて,センサから収集したデータセットの学習にデータアシストセンシングを用いる。
データ支援センシングによるガウス過程回帰の精度向上に寄与し,予測によるマルチチャネルALOHAの修正が有効であることを示す。
論文 参考訳(メタデータ) (2020-11-23T20:59:51Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳(メタデータ) (2020-05-24T10:32:49Z)
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。