Fugu-MT 論文翻訳(概要): Automatic Contact Tracing using Bluetooth Low Energy Signals and IMU Sensor Readings

論文の概要: Automatic Contact Tracing using Bluetooth Low Energy Signals and IMU Sensor Readings

arxiv url: http://arxiv.org/abs/2206.06033v1
Date: Mon, 13 Jun 2022 10:39:03 GMT
ステータス: 処理完了
システム内更新日: 2022-06-14 22:05:07.614882
Title: Automatic Contact Tracing using Bluetooth Low Energy Signals and IMU Sensor Readings
Title（参考訳）: Bluetooth低エネルギー信号とIMUセンサによる自動接触追跡
Authors: Suriyadeepan Ramamoorthy, Joyce Mahon, Michael O'Mahony, Jean Francois Itangayenda, Tendai Mukande, Tlamelo Makati
Abstract要約: 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。
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 report, we present our solution to the challenge provided by the SFI Centre for Machine Learning (ML-Labs) in which the distance between two phones needs to be estimated. It is a modified version of the NIST Too Close For Too Long (TC4TL) Challenge, as the time aspect is excluded. We propose a feature-based approach based on Bluetooth RSSI and IMU sensory data, that outperforms the previous state of the art by a significant margin, reducing the error down to 0.071. We perform an ablation study of our model that reveals interesting insights about the relationship between the distance and the Bluetooth RSSI readings.
Abstract（参考訳）: 本稿では,2台の携帯電話間の距離を推定する必要がある機械学習センター(ml-labs)の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。距離とBluetooth RSSI の読み方との関係について興味深い知見が得られたモデルに関するアブレーション研究を行った。

関連論文リスト

RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
論文参考訳（メタデータ） (2024-09-13T13:53:41Z)
BeSound: Bluetooth-Based Position Estimation Enhancing with Cross-Modality Distillation [4.831029473163422]
労働者のプライバシーと技術保護に関する懸念は、代替アプローチを検討する必要がある。本稿では,Bluetooth Low Energy (BLE) と超音波座標を用いた非視覚的,スケーラブルなソリューションを提案する。
論文参考訳（メタデータ） (2024-04-24T17:26:17Z)
Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
論文参考訳（メタデータ） (2022-07-14T10:04:18Z)
Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文参考訳（メタデータ） (2022-05-02T12:23:55Z)
A Machine Learning Approach to Digital Contact Tracing: TC4TL Challenge [0.0]
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。
論文参考訳（メタデータ） (2022-03-08T13:42:20Z)
A Simplistic Machine Learning Approach to Contact Tracing [0.0]
このレポートは、SFI Centre for Machine Learning (ML-Labs) が提供する修正NISTチャレンジである Too Close For Too Long に基づいている。携帯機器データから特徴を手作りすることで、2つのスマートフォン間の距離を推定する2つの機械学習モデルを開発する。我々の手法は、主要なNIST課題をかなりの差で上回ることができる。
論文参考訳（メタデータ） (2020-12-10T19:34:48Z)
Proximity Sensing: Modeling and Understanding Noisy RSSI-BLE Signals and Other Mobile Sensor Data for Digital Contact Tracing [12.070047847431884]
新型コロナウイルスの感染拡大を抑える主要な健康戦略として、効果的な接触追跡によるソーシャルディスタンシングが浮上している。本稿では、Bluetooth Low Energy(BLE)信号と他のデバイス上のセンサとの結合モデルを用いて、ペアワイズ個人近接を推定する新しいシステムを提案する。
論文参考訳（メタデータ） (2020-09-04T03:01:52Z)
Delay Minimization for Federated Learning Over Wireless Communication Networks [172.42768672943365]
無線通信ネットワーク上でのフェデレーション学習(FL)における遅延計算の問題について検討した。最適解を得るために,二項探索アルゴリズムを提案する。シミュレーションの結果,提案アルゴリズムは従来のFL法と比較して最大27.3%遅延を低減できることがわかった。
論文参考訳（メタデータ） (2020-07-05T19:00:07Z)
Coronavirus Contact Tracing: Evaluating The Potential Of Using Bluetooth Received Signal Strength For Proximity Detection [14.749535590735965]
本報告では,Bluetooth Low Energy (LE) の受信信号強度を携帯端末上で測定する。また,Bluetooth LEの受信信号強度は,端末の相対方向によって大きく異なることがわかった。このことから,Bluetooth LE受信信号強度に基づく近接検出のための精度の高い手法の開発が困難である可能性が示唆された。
論文参考訳（メタデータ） (2020-05-19T13:51:23Z)
A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
論文参考訳（メタデータ） (2020-03-18T05:56:27Z)
Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。