Fugu-MT 論文翻訳(概要): A Machine Learning Approach to Digital Contact Tracing: TC4TL Challenge

論文の概要: A Machine Learning Approach to Digital Contact Tracing: TC4TL Challenge

arxiv url: http://arxiv.org/abs/2203.04307v1
Date: Tue, 8 Mar 2022 13:42:20 GMT
ステータス: 処理完了
システム内更新日: 2022-03-10 14:52:27.771741
Title: A Machine Learning Approach to Digital Contact Tracing: TC4TL Challenge
Title（参考訳）: デジタルコンタクトトラクションへの機械学習アプローチ: TC4TL Challenge
Authors: Badrinath Singhal, Chris Vorster, Di Meng, Gargi Gupta, Laura Dunne and Mark Germaine
Abstract要約: 本稿では,2台の携帯電話端末間の距離を決定するための機械学習手法の開発について検討する。 Bluetooth Low Energy, センサデータ, メタデータを用いて, 既存の技術状況を改善する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Contact tracing is a method used by public health organisations to try prevent the spread of infectious diseases in the community. Traditionally performed by manual contact tracers, more recently the use of apps have been considered utilising phone sensor data to determine the distance between two phones. In this paper, we investigate the development of machine learning approaches to determine the distance between two mobile phone devices using Bluetooth Low Energy, sensory data and meta data. We use TableNet architecture and feature engineering to improve on the existing state of the art (total nDCF 0.21 vs 2.08), significantly outperforming existing models.
Abstract（参考訳）: 接触追跡は、公衆衛生機関が地域社会における感染症の拡散を防ぐために利用する方法である。従来は手動のトレーサで行われていたが、最近ではスマートフォンのセンサーデータを利用して2つの端末間の距離を判断するアプリの利用が検討されている。本稿では,Bluetooth Low Energy, センサデータ, メタデータを用いて, 2台の携帯電話端末間の距離を求める機械学習手法の開発について検討する。 TableNetアーキテクチャと機能エンジニアリングを使用して、既存の技術(現在のnDCF 0.21対2.08)の改善を行い、既存のモデルよりも大幅に優れています。

関連論文リスト

Learning Visuotactile Skills with Two Multifingered Hands [80.99370364907278]
マルチフィンガーハンドとバイソタクティブルデータを用いたバイマニアルシステムを用いて,人間の実演からの学習を探索する。以上の結果から,バイスオタクティブルデータからの両指多指操作における有望な進歩が示唆された。
論文参考訳（メタデータ） (2024-04-25T17:59:41Z)
Automatic Contact Tracing using Bluetooth Low Energy Signals and IMU Sensor Readings [0.0]
本稿では,SFI Centre for Machine Learning (ML-Labs) が提供する課題に対する解決策を提案する。 NIST Too Close For Too Long (TC4TL) Challengeの修正版であり、時間的側面は除外されている。本稿では,Bluetooth RSSI と IMU センサデータに基づく特徴に基づく手法を提案する。
論文参考訳（メタデータ） (2022-06-13T10:39:03Z)
2021 BEETL Competition: Advancing Transfer Learning for Subject Independence & Heterogenous EEG Data Sets [89.84774119537087]
我々は、診断とBCI(Brain-Computer-Interface)に関する2つの伝達学習課題を設計する。第1タスクは、患者全体にわたる自動睡眠ステージアノテーションに対処する医療診断に重点を置いている。タスク2はBrain-Computer Interface (BCI)に集中しており、被験者とデータセットの両方にわたる運動画像のデコードに対処する。
論文参考訳（メタデータ） (2022-02-14T12:12:20Z)
Personal Devices for Contact Tracing: Smartphones and Wearables to Fight Covid-19 [6.42323971944817]
非常に感染性の高いCovid-19の拡散を遅らせるために、100以上の接触追跡アプリケーションが公開された。本稿では,これら3つのコンポーネントに基づいて,現在のデジタル接触追跡についてレビューする。
論文参考訳（メタデータ） (2021-08-02T18:38:40Z)
Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots [91.01747068273666]
本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
論文参考訳（メタデータ） (2021-06-21T16:35:49Z)
Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
3D MOT問題に対する統一型学習型アプローチを提案します。我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
論文参考訳（メタデータ） (2021-04-23T17:59:28Z)
KHOVID: Interoperable Privacy Preserving Digital Contact Tracing [15.481871122640376]
パンデミックの間、接触追跡は集団内の感染率を下げるための必須の手段である。デジタル接触追跡ツールは、ユビキタス携帯電話のセンシングと信号機能を用いて、透明かつプライベートに接触イベントを追跡することができる。 KHOVIDは、位置情報データを使用してユーザトラジェクトリをエンコードするプライバシーフレンドリなメカニズムである。
論文参考訳（メタデータ） (2020-12-17T03:00:53Z)
SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文参考訳（メタデータ） (2020-12-04T23:06:56Z)
Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
モバイルデータ分析における多くの関心は、人間とその行動に関連している。本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
論文参考訳（メタデータ） (2020-08-29T15:14:03Z)
COVID-19 and Your Smartphone: BLE-based Smart Contact Tracing [6.561626017725989]
本稿では手動接触追跡に代わる方法を提案する。提案するSmart Contact Tracing (SCT) システムは,スマートフォンのBluetooth Low Energy (BLE) 信号を利用する。約123,000のデータポイントを持つ6つの実験のデータセット全体が公開されています。
論文参考訳（メタデータ） (2020-05-28T02:56:17Z)
How Reliable is Smartphone-based Electronic Contact Tracing for COVID-19? [5.893124686141781]
スマートフォンベースの電子接触追跡は、2020年の新型コロナウイルス(SARS-CoV-2)危機への対応として、世界中のほとんどの政府から、ロックダウンや外出禁止令、避難禁止令の緩和に欠かせないツールと考えられている。本稿では,スマートフォンによる効果的な接触追跡に必要な技術要件について詳細に検討する。
論文参考訳（メタデータ） (2020-05-12T09:02:53Z)

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。