論文の概要: Meta-Cognition. An Inverse-Inverse Reinforcement Learning Approach for
Cognitive Radars
- arxiv url: http://arxiv.org/abs/2205.01794v1
- Date: Tue, 3 May 2022 21:39:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-05 16:28:27.533946
- Title: Meta-Cognition. An Inverse-Inverse Reinforcement Learning Approach for
Cognitive Radars
- Title（参考訳）: メタ認知。
認知レーダのための逆逆強化学習手法
- Authors: Kunal Pattanayak and Vikram Krishnamurthy and Christopher Berry
- Abstract要約: 認知レーダは、その波形(応答)を、潜在的に対向する移動ターゲットの操作(プローブ)に応じて最適に適応させる。
メタ認知レーダーは、その応答を選択して、敵がレーダーの実用機能を見積もろうとするのを十分に混乱させるにはどうすればよいのか?
メタ認知レーダーは逆逆強化学習(I-IRL)と呼ぶ。
- 参考スコア（独自算出の注目度）: 19.044614610714856
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper considers meta-cognitive radars in an adversarial setting. A
cognitive radar optimally adapts its waveform (response) in response to
maneuvers (probes) of a possibly adversarial moving target. A meta-cognitive
radar is aware of the adversarial nature of the target and seeks to mitigate
the adversarial target. How should the meta-cognitive radar choose its
responses to sufficiently confuse the adversary trying to estimate the radar's
utility function? This paper abstracts the radar's meta-cognition problem in
terms of the spectra (eigenvalues) of the state and observation noise
covariance matrices, and embeds the algebraic Riccati equation into an
economics-based utility maximization setup. This adversarial target is an
inverse reinforcement learner. By observing a noisy sequence of radar's
responses (waveforms), the adversarial target uses a statistical hypothesis
test to detect if the radar is a utility maximizer. In turn, the meta-cognitive
radar deliberately chooses sub-optimal responses that increasing its Type-I
error probability of the adversary's detector. We call this counter-adversarial
step taken by the meta-cognitive radar as inverse inverse reinforcement
learning (I-IRL). We illustrate the meta-cognition results of this paper via
simple numerical examples. Our approach for meta-cognition in this paper is
based on revealed preference theory in micro-economics and inspired by results
in differential privacy and adversarial obfuscation in machine learning.
- Abstract（参考訳）: 本稿では,メタ認知レーダを対角的に検討する。
認知レーダは、その波形(応答)を、潜在的に対向する移動ターゲットの操作(プローブ)に応じて最適に適応させる。
メタ認知レーダーは、標的の対向性を認識し、対向目標を緩和しようとする。
メタ認知レーダはどのようにしてその応答を選択して敵を混乱させ、レーダの効用関数を推定すべきか?
本稿では、状態のスペクトル(固有値)と観測ノイズの共分散行列を用いてレーダーのメタ認知問題を抽象化し、代数的リカティ方程式を経済ベースのユーティリティ最大化設定に組み込む。
この敵の標的は逆強化学習者だ
レーダーの応答(波形)のノイズの連続を観測することにより、敵ターゲットは統計的仮説テストを使用して、レーダーが実用最大値であるかどうかを検出する。
メタ認知レーダーは、敵検出器のType-Iエラー確率を増加させる準最適応答を意図的に選択する。
メタ認知レーダによる反逆ステップを逆逆強化学習(i-irl)と呼ぶ。
本稿では,本論文のメタ認知結果を簡単な数値例で示す。
本論文におけるメタ認知のアプローチは,ミクロ経済学における選好理論の解明と,機械学習における差分プライバシと敵対的難読化の結果から着想を得たものである。
関連論文リスト
- Echoes Beyond Points: Unleashing the Power of Raw Radar Data in
Multi-modality Fusion [74.84019379368807]
本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。
具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
論文 参考訳（メタデータ） (2023-07-31T09:53:50Z) - Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。
現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。
空間周波数Krawtchouk分解に基づく識別検出器を提案する。
論文 参考訳（メタデータ） (2023-05-18T10:18:59Z) - Object-fabrication Targeted Attack for Object Detection [54.10697546734503]
物体検出の敵攻撃は 標的攻撃と未標的攻撃を含む。
新たなオブジェクトファブリケーションターゲット攻撃モードは、特定のターゲットラベルを持つ追加の偽オブジェクトをファブリケートする検出器を誤解させる可能性がある。
論文 参考訳（メタデータ） (2022-12-13T08:42:39Z) - Identifying Coordination in a Cognitive Radar Network -- A
Multi-Objective Inverse Reinforcement Learning Approach [30.65529797672378]
本稿では,レーダ間のコーディネーションを検出するために,新しい多目的逆強化学習手法を提案する。
また、多目的最適化システムの逆検出と学習に関するより一般的な問題にも適用できる。
論文 参考訳（メタデータ） (2022-11-13T17:27:39Z) - How can a Radar Mask its Cognition? [19.044614610714856]
認知レーダーは、認識を検出する敵からその戦略を隠蔽することができる。
レーダーは意図的に設計された準最適応答を敵のナイマン・ピアソン検出器のスポークに送信する。
レーダーの最適戦略からの小さな目的偏差が、敵をかなりの量混乱させることを示す。
論文 参考訳（メタデータ） (2022-10-20T17:45:55Z) - A Tale of HodgeRank and Spectral Method: Target Attack Against Rank
Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。
本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。
提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
論文 参考訳（メタデータ） (2022-09-13T05:59:02Z) - Waveform Selection for Radar Tracking in Target Channels With Memory via
Universal Learning [14.796960833031724]
シーンの状態に関する部分的な情報を用いてレーダーの波形を適応させることは、多くの現実的なシナリオにおいてパフォーマンス上の利点をもたらすことが示されている。
本研究では,レーダ環境インタフェースの圧縮モデルを構築するレーダシステムについて,文脈木として検討する。
提案手法はシミュレーション実験で検証され、2つの最先端波形選択方式による追従性能の向上が示されている。
論文 参考訳（メタデータ） (2021-08-02T21:27:56Z) - Constrained Contextual Bandit Learning for Adaptive Radar Waveform
Selection [14.796960833031724]
適応レーダシステムが有限状態目標チャネルと繰り返し相互作用する逐次決定過程について検討する。
レーダーは受動的に波形の選択プロセスに側面情報を提供する規則的な間隔でスペクトルを感知できます。
波形選択問題は線形文脈バンディット定式化を用いて効果的に解決できることを示す。
論文 参考訳（メタデータ） (2021-03-09T16:43:50Z) - LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar
Fusion [52.59664614744447]
本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。
自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
論文 参考訳（メタデータ） (2020-10-02T00:13:00Z) - Adversarial Radar Inference: Inverse Tracking, Identifying Cognition and
Designing Smart Interference [15.04540534703128]
本稿では,認知レーダを含む3つの対向的推論問題について考察する。
まず、レーダの逆追跡について議論し、レーダの動作に基づいて敵の予測を推定し、レーダの知覚精度を校正する。
第二に、マイクロ経済学からの選好を明らかにすることによって、認知レーダが信号処理制約のある制約付きユーティリティ最大化器であるかどうかを判定するために、非パラメトリック試験を定式化する。
論文 参考訳（メタデータ） (2020-08-01T13:17:07Z) - RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。
我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。
RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文 参考訳（メタデータ） (2020-07-28T17:15:02Z)
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。