論文の概要: A deep learning approach for direction of arrival estimation using
automotive-grade ultrasonic sensors
- arxiv url: http://arxiv.org/abs/2202.12684v1
- Date: Fri, 25 Feb 2022 13:43:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-28 19:18:21.890243
- Title: A deep learning approach for direction of arrival estimation using
automotive-grade ultrasonic sensors
- Title（参考訳）: 自動車用超音波センサを用いた深層学習による到着方向推定
- Authors: Mohamed Shawki Elamir, Heinrich Gotzig, Raoul Zoellner, Patrick Maeder
- Abstract要約: 自動車級超音波センサを用いた到着方向推定のための深層学習手法を提案する。
提案手法が既存のアルゴリズムの既知の制限を克服する方法について実証した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, a deep learning approach is presented for direction of arrival
estimation using automotive-grade ultrasonic sensors which are used for driving
assistance systems such as automatic parking. A study and implementation of the
state of the art deterministic direction of arrival estimation algorithms is
used as a benchmark for the performance of the proposed approach. Analysis of
the performance of the proposed algorithms against the existing algorithms is
carried out over simulation data as well as data from a measurement campaign
done using automotive-grade ultrasonic sensors. Both sets of results clearly
show the superiority of the proposed approach under realistic conditions such
as noise from the environment as well as eventual errors in measurements. It is
demonstrated as well how the proposed approach can overcome some of the known
limitations of the existing algorithms such as precision dilution of
triangulation and aliasing.
- Abstract（参考訳）: 本稿では,自動駐車などの運転支援システムに使用される自動車用超音波センサを用いた到着方向推定のための深層学習手法を提案する。
提案手法の性能評価のベンチマークとして, 到着推定アルゴリズムの工法決定論的方向性の研究と実装を行った。
提案アルゴリズムの既存アルゴリズムに対する性能解析は,シミュレーションデータと,自動車用超音波センサを用いた計測キャンペーンのデータを用いて行う。
いずれの結果も,実環境からの騒音や測定結果の誤差といった現実的条件下での提案手法の優位性を明確に示している。
提案手法は,三角測量やエイリアス処理の高精度解法など,既存のアルゴリズムの既知の制限を克服する方法も示している。
関連論文リスト
- Advanced POD-Based Performance Evaluation of Classifiers Applied to Human Driver Lane Changing Prediction [2.8084422332394428]
本稿では、機械学習アルゴリズムの信頼性を評価するために、修正された検出の確率を用いる。
PODに対するヒット/ミスアプローチの信頼性を高めるという利点を生かして、平均的な保守的な振る舞いを提供する。
論文 参考訳（メタデータ） (2024-08-28T11:39:24Z) - Bagged Regularized $k$-Distances for Anomaly Detection [9.899763598214122]
BRDAD (Bagged regularized $k$-distances for Anomaly Detection) と呼ばれる距離に基づく新しいアルゴリズムを提案する。
我々のBRDADアルゴリズムは、重み付けされた密度推定のための$k$-distances(BWDDE)の実証的リスクの有限標本境界を最小化して重みを選択する。
理論的には,我々のアルゴリズムに対するAUCの高速収束率を確立し,バッグング手法が計算複雑性を著しく減少させることを示す。
論文 参考訳（メタデータ） (2023-12-02T07:00:46Z) - Large-Scale OD Matrix Estimation with A Deep Learning Method [70.78575952309023]
提案手法は,ディープラーニングと数値最適化アルゴリズムを統合し,行列構造を推論し,数値最適化を導出する。
大規模合成データセットを用いて,提案手法の優れた一般化性能を実証するために実験を行った。
論文 参考訳（メタデータ） (2023-10-09T14:30:06Z) - Adaptive Fake Audio Detection with Low-Rank Model Squeezing [50.7916414913962]
ファインタニングのような従来の手法は計算集約的であり、既知の偽音声タイプの知識を損なう危険性がある。
本稿では,新たに登場したニセモノ音声タイプに特化して,低ランク適応行列をトレーニングするコンセプトを紹介する。
当社のアプローチには,ストレージメモリ要件の削減やエラー率の低下など,いくつかのメリットがあります。
論文 参考訳（メタデータ） (2023-06-08T06:06:42Z) - A Data-Driven Slip Estimation Approach for Effective Braking Control
under Varying Road Conditions [0.0]
多層ニューラルネットワークに基づく新しい推定アルゴリズムを提案する。
トレーニングは、広く使われている摩擦モデルから派生した合成データセットに基づいている。
実験結果とモデルベースラインとの比較により,提案手法が最適すべり推定に有効であることを示す。
論文 参考訳（メタデータ） (2022-11-04T16:24:05Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。
厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。
このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
論文 参考訳（メタデータ） (2021-11-29T15:10:09Z) - Study of Proximal Normalized Subband Adaptive Algorithm for Acoustic
Echo Cancellation [23.889870461547105]
スパースシナリオに適した正規化サブバンド適応フィルタを提案する。
提案アルゴリズムは, 近位前方分割法とソフトスレッショルド法に基づいて導出する。
シミュレーションによって支援されるアルゴリズムの平均および平均2乗挙動を解析する。
論文 参考訳（メタデータ） (2021-08-14T22:20:09Z) - On the Verification and Validation of AI Navigation Algorithms [0.22509387878255815]
我々は,自律航法と衝突回避のための新しいアルゴリズムを提案する研究を行うために,系統地図研究を行う。
これらのアルゴリズムに適用した検証手法と検証手法を抽出した。
本論文では,ナビゲーションアルゴリズムを幅広く検証するための体系的シナリオベースのテスト手法を提案する。
論文 参考訳（メタデータ） (2021-01-15T13:15:23Z) - Reinforcement Learning for Low-Thrust Trajectory Design of
Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。
最先端アルゴリズムのオープンソース実装が採用されている。
その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文 参考訳（メタデータ） (2020-08-19T15:22:15Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z)
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。