Fugu-MT 論文翻訳(概要): Adaptive Attitude Estimation Using a Hybrid Model-Learning Approach

論文の概要: Adaptive Attitude Estimation Using a Hybrid Model-Learning Approach

arxiv url: http://arxiv.org/abs/2207.06903v1
Date: Wed, 22 Jun 2022 08:15:11 GMT
ステータス: 処理完了
システム内更新日: 2022-07-17 17:05:06.307135
Title: Adaptive Attitude Estimation Using a Hybrid Model-Learning Approach
Title（参考訳）: ハイブリッドモデル学習手法を用いた適応姿勢推定
Authors: Eran Vertzberger and Itzik Klein
Abstract要約: スマートフォンの慣性センサーを使って姿勢を判断することは大きな課題となる。データ駆動技術は、その課題に対処するために使われます。姿勢推定のためのハイブリッドディープラーニングとモデルベースソリューションを提案する。
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: Attitude determination using the smartphone's inertial sensors poses a major challenge due to the sensor low-performance grade and variate nature of the walking pedestrian. In this paper, data-driven techniques are employed to address that challenge. To that end, a hybrid deep learning and model based solution for attitude estimation is proposed. Here, classical model based equations are applied to form an adaptive complementary filter structure. Instead of using constant or model based adaptive weights, the accelerometer weights in each axis are determined by a unique neural network. The performance of the proposed hybrid approach is evaluated relative to popular model based approaches using experimental data.
Abstract（参考訳）: スマートフォンの慣性センサを用いた姿勢判断は、センサの低パフォーマンスグレードと歩行歩行者の変動性から大きな課題となっている。本稿では,その課題に対処するためにデータ駆動技術を用いる。この目的のために,態度推定のためのハイブリッド型ディープラーニングとモデルベースソリューションを提案する。ここでは、古典的なモデルに基づく方程式を適用し、適応補完フィルタ構造を形成する。定数やモデルに基づく適応重みを用いる代わりに、各軸の加速度計重みはユニークなニューラルネットワークによって決定される。実験データを用いて, 一般的なモデルベースアプローチと比較して, 提案手法の性能評価を行った。

関連論文リスト

Boosting Fair Classifier Generalization through Adaptive Priority Reweighing [59.801444556074394]
より優れた一般化性を持つ性能向上フェアアルゴリズムが必要である。本稿では,トレーニングデータとテストデータ間の分散シフトがモデル一般化性に与える影響を解消する適応的リライジング手法を提案する。
論文参考訳（メタデータ） (2023-09-15T13:04:55Z)
Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching [77.133400999703]
相関に基づくステレオマッチングは優れた性能を達成した。固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
論文参考訳（メタデータ） (2023-07-26T09:47:37Z)
Evaluation of Differentially Constrained Motion Models for Graph-Based Trajectory Prediction [1.1947990549568765]
本研究では,予測課題に対する数値解法と組み合わせた各種動作モデルの性能について検討する。この研究は、低階積分子モデルのようなより単純なモデルは、正確な予測を達成するために、より複雑な、例えばキネマティックモデルよりも好まれることを示している。
論文参考訳（メタデータ） (2023-04-11T10:15:20Z)
Federated Privacy-preserving Collaborative Filtering for On-Device Next App Prediction [52.16923290335873]
本稿では,モバイルデバイス使用時の次のアプリの起動を予測するための新しいSeqMFモデルを提案する。古典行列分解モデルの構造を修正し、学習手順を逐次学習に更新する。提案手法のもうひとつの要素は,ユーザからリモートサーバへの送信データの保護を保証する,新たなプライバシメカニズムである。
論文参考訳（メタデータ） (2023-02-05T10:29:57Z)
A Hybrid Model and Learning-Based Adaptive Navigation Filter [0.0]
本稿では,ハイブリッドモデルと学習に基づく適応ナビゲーションフィルタを提案する。提案手法は位置誤差が25%向上したことを示す。
論文参考訳（メタデータ） (2022-06-14T17:10:47Z)
Deep Variational Models for Collaborative Filtering-based Recommender Systems [63.995130144110156]
ディープラーニングは、リコメンダシステムの結果を改善するために、正確な協調フィルタリングモデルを提供する。提案するモデルは, 深層建築の潜伏空間において, 変分概念を注入性に適用する。提案手法は, 入射雑音効果を超える変動エンリッチメントのシナリオにおいて, 提案手法の優位性を示す。
論文参考訳（メタデータ） (2021-07-27T08:59:39Z)
STAR: Sparse Transformer-based Action Recognition [61.490243467748314]
本研究は,空間的次元と時間的次元に細かな注意を払っている新しいスケルトンに基づく人間行動認識モデルを提案する。実験により、トレーニング可能なパラメータをはるかに少なくし、トレーニングや推論の高速化を図りながら、モデルが同等のパフォーマンスを達成できることが示されている。
論文参考訳（メタデータ） (2021-07-15T02:53:11Z)
Hybrid Physics and Deep Learning Model for Interpretable Vehicle State Prediction [75.1213178617367]
深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
論文参考訳（メタデータ） (2021-03-11T15:21:08Z)
Pedestrian Trajectory Prediction with Convolutional Neural Networks [0.3787359747190393]
本稿では,新しい2次元畳み込みモデルを導入し,歩行者軌道予測への新たなアプローチを提案する。この新モデルはリカレントモデルより優れており、ETHとTrajNetデータセットの最先端の結果が得られる。また,歩行者の位置と強力なデータ拡張手法を効果的に表現するシステムを提案する。
論文参考訳（メタデータ） (2020-10-12T15:51:01Z)
SODEN: A Scalable Continuous-Time Survival Model through Ordinary Differential Equation Networks [14.564168076456822]
本稿では、ニューラルネットワークとスケーラブルな最適化アルゴリズムを用いた生存分析のためのフレキシブルモデルを提案する。提案手法の有効性を,既存の最先端ディープラーニングサバイバル分析モデルと比較した。
論文参考訳（メタデータ） (2020-08-19T19:11:25Z)
Modeling Stochastic Microscopic Traffic Behaviors: a Physics Regularized Gaussian Process Approach [1.6242924916178285]
本研究では,実世界のランダム性を捉え,誤差を計測できる微視的交通モデルを提案する。提案フレームワークの特長の一つは,自動車追従行動と車線変更行動の両方を1つのモデルで捉える能力である。
論文参考訳（メタデータ） (2020-07-17T06:03:32Z)

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。