Fugu-MT 論文翻訳(概要): Signal Knowledge Graph

論文の概要: Signal Knowledge Graph

arxiv url: http://arxiv.org/abs/2206.12111v1
Date: Fri, 24 Jun 2022 07:14:55 GMT
ステータス: 処理完了
システム内更新日: 2022-06-27 14:23:40.655051
Title: Signal Knowledge Graph
Title（参考訳）: 信号知識グラフ
Authors: Anj Simmons, Rajesh Vasa
Abstract要約: 本稿では,情報目的の信号の推論を支援する知識グラフを提案する。この目的のために,マイク,カメラ,ソーシャルメディアの複合データを用いた攻撃の推測を用いて,既存の知識グラフと推論システムの制限を強調した。
参考スコア（独自算出の注目度）: 1.113911383207731
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents an knowledge graph to assist in reasoning over signals for intelligence purposes. We highlight limitations of existing knowledge graphs and reasoning systems for this purpose, using inference of an attack using combined data from microphones, cameras and social media as an example. Rather than acting directly on the received signal, our approach considers attacker behaviour, signal emission, receiver characteristics, and how signals are summarised to support inferring the underlying cause of the signal.
Abstract（参考訳）: 本稿では,知性目的の信号に対する推論を支援する知識グラフを提案する。この目的のために,マイク,カメラ,ソーシャルメディアの複合データを用いた攻撃の推測を用いて,既存の知識グラフと推論システムの制限を強調した。提案手法では,受信した信号に対して直接行動するのではなく,攻撃者の行動,信号の放出,受信者特性,信号の要約を考慮し,信号の根本的な原因を推測する。

関連論文リスト

Relevance Feedback with Brain Signals [29.97518045855005]
本稿では,BCIに基づく関連性フィードバックと疑似関連性信号と暗黙の信号を組み合わせて文書の再ランク付け性能を向上させる新しいフレームワークを提案する。脳信号は、特にフィードバックの欠如やうるさいという暗黙の信号がある場合、いくつかの難解な検索シナリオで特によく機能する。
論文参考訳（メタデータ） (2023-12-09T20:19:16Z)
Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
論文参考訳（メタデータ） (2023-06-19T12:01:28Z)
Data-Driven Blind Synchronization and Interference Rejection for Digital Communication Signals [98.95383921866096]
本研究では,データ駆動型深層学習手法の可能性について検討した。本研究では,高分解能時間構造(非定常性)の取得が性能向上につながることを示す。既製のNNと古典的検出と干渉除去の両方で改善可能なドメインインフォームドニューラルネットワーク(NN)の設計を提案する。
論文参考訳（メタデータ） (2022-09-11T14:10:37Z)
SignalKG: Towards reasoning about the underlying causes of sensor observations [0.9428999497826849]
本稿では,センサが観測する信号の原因を機械が判断するのを支援する知識グラフの展望を示す。このアプローチが、最も可能性の高い原因を推論する、よりスマートな監視システムを構築する上で、どのように役立つかを示します。
論文参考訳（メタデータ） (2022-08-11T03:56:10Z)
KnowMAN: Weakly Supervised Multinomial Adversarial Networks [8.135448729558876]
本研究では,ラベリング関数に関連する信号の影響を制御可能な,対位法であるノウマンを提案する。 KnowMANは、事前訓練されたトランスフォーマー言語モデルと機能ベースのベースラインによる直接教師付き学習と比較して、結果を改善する。
論文参考訳（メタデータ） (2021-09-16T14:01:30Z)
Exploring Visual Engagement Signals for Representation Learning [56.962033268934015]
VisEは、クラスタ化されたエンゲージメント信号から派生した擬似ラベルにソーシャルイメージをマップする弱い教師付き学習アプローチである。この方法でトレーニングされたモデルが、感情認識や政治的バイアス検出といった主観的なコンピュータビジョンタスクにどのように役立つかを研究する。
論文参考訳（メタデータ） (2021-04-15T20:50:40Z)
Learning to Combine Top-Down and Bottom-Up Signals in Recurrent Neural Networks with Attention over Modules [81.1967157385085]
ロバスト知覚はボトムアップ信号とトップダウン信号の両方に依存している。ボトムアップ信号とトップダウン信号が動的に結合されるディープリカレントニューラルネットワークアーキテクチャについて検討する。言語モデリング、逐次画像分類、映像予測、強化学習における様々なベンチマークにおいて、遠方方向情報フローが強いベースライン上で結果を改善することを実証する。
論文参考訳（メタデータ） (2020-06-30T17:26:19Z)
Investigating a Spectral Deception Loss Metric for Training Machine Learning-based Evasion Attacks [1.3750624267664155]
敵の回避攻撃は、幅広い機械学習アプリケーションでパフォーマンスの低下を引き起こすことに成功している。この研究は、スペクトルの形状を元の信号とよりインラインにするよう強制するために、トレーニングプロセス中に実装できる新しいスペクトル偽装損失指標を導入する。
論文参考訳（メタデータ） (2020-05-27T02:02:03Z)
Sampling Signals on Graphs: From Theory to Applications [119.19108613761915]
我々は、理論と潜在的な応用に焦点をあてたグラフのサンプリングに関する最近の進歩を概観する。グラフ信号サンプリングにおけるほとんどの手法は標準信号のサンプリングに使用される手法と平行に設計されているが、グラフ信号のサンプリング理論はシャノン-ニキスト理論とシフト不変サンプリング理論とは大きく異なる。
論文参考訳（メタデータ） (2020-03-09T07:49:40Z)
Data-Driven Factor Graphs for Deep Symbol Detection [107.63351413549992]
本稿では,因子グラフ法をデータ駆動方式で実装することを提案する。特に,機械学習(ML)ツールを用いて因子グラフの学習を提案する。我々は,BCJRNetと呼ばれる提案システムにおいて,BCJRアルゴリズムを小さなトレーニングセットから実装することを実証した。
論文参考訳（メタデータ） (2020-01-31T09:23:52Z)

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。