論文の概要: Modelling calibration uncertainty in networks of environmental sensors

• arxiv url: http://arxiv.org/abs/2205.01988v1
• Date: Wed, 4 May 2022 10:38:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-05 20:27:03.139252
• Title: Modelling calibration uncertainty in networks of environmental sensors
• Title（参考訳）: 環境センサネットワークにおける校正の不確かさのモデル化
• Authors: Michael Thomas Smith, Magnus Ross, Joel Ssematimba, Pablo A. Alvarado, Mauricio Alverez, Engineer Bainomugisha, Richard Wilkinson
• Abstract要約: 低コストセンサーのネットワークはユビキタスになりつつあるが、しばしば低い精度とドリフトに悩まされている。 本稿では,センサネットワーク間のキャリブレーションをモデル化するための変分手法を提案する。 人工空気汚染データと実際の大気汚染データの両方に対するアプローチを実証し、技術の現状よりも優れた性能が得られることを発見した。
• 参考スコア（独自算出の注目度）: 2.016542873726103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Networks of low-cost sensors are becoming ubiquitous, but often suffer from low accuracies and drift. Regular colocation with reference sensors allows recalibration but is often complicated and expensive. Alternatively the calibration can be transferred using low-cost, mobile sensors, often at very low cost. However inferring appropriate estimates of the calibration functions (with uncertainty) for the network of sensors becomes difficult, especially as the network of visits by the mobile, low-cost sensors becomes large. We propose a variational approach to model the calibration across the network of sensors. We demonstrate the approach on both synthetic and real air pollution data, and find it can perform better than the state of the art (multi-hop calibration). We extend it to categorical data, combining classifications of insects by non-expert citizen scientists. Achieving uncertainty-quantified calibration has been one of the major barriers to low-cost sensor deployment and citizen-science research. We hope that the methods described will enable such projects.
• Abstract（参考訳）: 低コストセンサーのネットワークはユビキタスになりつつあるが、しばしば低い精度とドリフトに悩まされている。 基準センサーによる通常のコロケーションは再校正を可能にするが、しばしば複雑で高価である。 または、キャリブレーションは低コストで移動式センサーを使って、しばしば非常に低コストで転送することができる。 しかし,センサネットワークのキャリブレーション機能(不確かさを伴う)の適切な推定は,特に移動体による訪問のネットワークが大きくなるにつれて困難になる。 本稿では,センサのネットワーク上でのキャリブレーションのモデル化手法を提案する。 我々は, 人工的および実際の大気汚染データに対するアプローチを実証し, 技術(マルチホップキャリブレーション)よりも優れた性能を示す。 非専門家の市民科学者による昆虫の分類を組み合わせて分類データに拡張する。 不確実性を定量化するキャリブレーションは、低コストのセンサー展開と市民科学研究にとって大きな障壁の1つだ。 このようなプロジェクトが実現できればと思っています。

関連論文リスト

• Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Air Quality Sensor Fusion [6.963971634605796]
  本稿では,グラフ構造データに対する回帰処理に適した新しいunsupervised domain adapt(UDA)手法を提案する。 センサ間の関係をモデル化するために、時空間グラフニューラルネットワーク(STGNN)を組み込んだ。 弊社のアプローチでは、安価なIoTセンサが高価な参照センサから校正パラメータを学習できる。
  論文  参考訳（メタデータ） (2024-11-11T12:20:57Z)
• Sensor Placement for Learning in Flow Networks [6.680930089714339]
  本稿では,ネットワークのセンサ配置問題について検討する。 まず, 流れの保存仮定に基づいて問題を定式化し, 最適に固定されたセンサを配置することがNPハードであることを示す。 次に,大規模ネットワークにスケールするセンサ配置のための効率よく適応的なグリージーを提案する。
  論文  参考訳（メタデータ） (2023-12-12T01:08:08Z)
• Anomaly Detection and Inter-Sensor Transfer Learning on Smart Manufacturing Datasets [6.114996271792091]
  スマートマニュファクチャリングシステムの目標は、運用コストを削減し、ダウンタイムをなくすために、失敗を迅速に検出(または予測)することである。 これはしばしば、システムから取得したセンサーの日程内で異常を検出することに起因する。 スマートマニュファクチャリングアプリケーションドメインは、ある種の健全な技術的課題を提起します。 予測的障害分類が達成できることを示し、予測的メンテナンスの道を開く。
  論文  参考訳（メタデータ） (2022-06-13T17:51:24Z)
• Learning Online Multi-Sensor Depth Fusion [100.84519175539378]
  SenFuNetは、センサ固有のノイズと外れ値統計を学習するディープフュージョンアプローチである。 実世界のCoRBSとScene3Dデータセットで様々なセンサーの組み合わせで実験を行う。
  論文  参考訳（メタデータ） (2022-04-07T10:45:32Z)
• Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
  RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。 畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。 提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
  論文  参考訳（メタデータ） (2022-02-15T17:38:30Z)
• 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)
• 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)
• 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)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。