論文の概要: Optimal Sensor Placement in Body Surface Networks using Gaussian
Processes
- arxiv url: http://arxiv.org/abs/2209.02912v1
- Date: Wed, 7 Sep 2022 03:40:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-08 13:05:41.794861
- Title: Optimal Sensor Placement in Body Surface Networks using Gaussian
Processes
- Title（参考訳）: ガウス過程を用いた体表面ネットワークにおける最適センサ配置
- Authors: Emad Alenany and Changqing Cheng
- Abstract要約: 提案手法は, 生物学的対象物に対するランドマーク選択のための最近の実験的設計手法を取り入れたものである。
提案手法は, 装着性の向上と設計コストの低減により, より臨床的に実用的なECGIシステムの設計に寄与する。
- 参考スコア（独自算出の注目度）: 4.111899441919164
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper explores a new sequential selection framework for the optimal
sensor placement (OSP) in Electrocardiography imaging networks (ECGI). The
proposed methodology incorporates the use a recent experimental design method
for the sequential selection of landmarkings on biological objects, namely,
Gaussian process landmarking (GPLMK) for better exploration of the candidate
sensors. The two experimental design methods work as a source of the training
and the validation locations which is fitted using a spatiotemporal Gaussian
process (STGP). The STGP is fitted using the training set to predict for the
current validation set generated using GPLMK, and the sensor with the largest
prediction absolute error is selected from the current validation set and added
to the selected sensors. Next, a new validation set is generated and predicted
using the current training set. The process continues until selecting a
specific number of sensor locations. The study is conducted on a dataset of
body surface potential mapping (BSPM) of 352 electrodes of four human subjects.
A number of 30 sensor locations is selected using the proposed algorithm. The
selected sensor locations achieved average $R^2 = 94.40 \%$ for estimating the
whole-body QRS segment. The proposed method adds to design efforts for a more
clinically practical ECGI system by improving its wearability and reduce the
design cost as well.
- Abstract（参考訳）: 本稿では、心電図画像ネットワーク(ECGI)における最適なセンサ配置(OSP)のための新しいシーケンシャル選択フレームワークについて検討する。
提案手法は,生物物体のランドマークを順次選択するための最近の実験的設計手法,すなわちガウス過程ランドマーク(GPLMK)を用いて,候補センサのより優れた探索を行う。
2つの実験的な設計手法はトレーニングの源となり、時空間ガウス過程(stgp)を用いて検証を行う。
STGPは、トレーニングセットを使用してGPLMKを用いて生成された現在の検証セットを予測し、現在検証セットから最大の予測絶対誤差のセンサを選択し、選択されたセンサに追加する。
次に、現在のトレーニングセットを使用して、新しい検証セットを生成して予測する。
このプロセスは、特定のセンサー位置を選択するまで続く。
4人の被験者の352電極の体表面電位マッピング(BSPM)のデータセットについて検討した。
提案するアルゴリズムを用いて,センサ位置を30個選択する。
選択されたセンサー位置は、全身QRSセグメントを推定するために平均$R^2 = 94.40 \%$を達成した。
提案手法は, 装着性の向上と設計コストの低減により, より臨床的に実用的なECGIシステムの設計に寄与する。
関連論文リスト
- Sensor Selection via GFlowNets: A Deep Generative Modeling Framework to Navigate Combinatorial Complexity [3.255315368019651]
この作業は、一般的なQuality-of-Serviceメトリックを最適化するために、$m$のセットから$k$のセンサー要素を選択するという課題に対処する。
すべての$binommk$のセンサーサブセットを評価することは現実的ではなく、凸緩和、欲求アルゴリズム、教師付き学習アプローチを使った事前ソリューションにつながる。
論文 参考訳（メタデータ） (2024-07-29T06:56:57Z) - Quadratic Formulation of Mutual Information for Sensor Placement Optimization using Ising and Quantum Annealing Machines [0.0]
我々は,センサの配置を複数の候補位置から決定する問題に対処し,最小限のセンサ数で情報取得を最大化することを目的とする。
選択したセンサ位置のデータと他データとの相互情報(MI)を目的関数として定義した。
例として,センサ配置の3つの候補に対する目的関数の最適解を,量子アニールマシンを用いて計算した。
論文 参考訳（メタデータ） (2024-07-20T04:46:02Z) - CoSS: Co-optimizing Sensor and Sampling Rate for Data-Efficient AI in Human Activity Recognition [5.215675032361843]
ニューラルネットワークの最近の進歩は、複数の時系列センサーを用いた人間の活動認識を大幅に改善した。
高周波サンプリングレートの多数のセンサを用いることで結果が向上するが、多くの場合、データ非効率性とANNの不要な拡張につながる。
本稿では,HARタスクにおけるデータ効率向上のための実用的フレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-03T22:04:40Z) - A distributed neural network architecture for dynamic sensor selection
with application to bandwidth-constrained body-sensor networks [53.022158485867536]
ディープニューラルネットワーク(DNN)のための動的センサ選択手法を提案する。
データセット全体の固定選択ではなく、個々の入力サンプルに対して最適なセンササブセット選択を導出することができる。
無線センサネットワーク(WSN)の寿命を、各ノードの送信頻度に制約を加えることで、この動的選択をいかに利用できるかを示す。
論文 参考訳（メタデータ） (2023-08-16T14:04:50Z) - A Real-time Human Pose Estimation Approach for Optimal Sensor Placement
in Sensor-based Human Activity Recognition [63.26015736148707]
本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。
得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。
本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
論文 参考訳（メタデータ） (2023-07-06T10:38:14Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - 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) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z) - Learning a Probabilistic Strategy for Computational Imaging Sensor
Selection [16.553234762932938]
本稿では,センサ設計のための確率的センササンプリング戦略を学習する物理制約付き,完全微分可能なオートエンコーダを提案する。
提案手法は,センサ選択の相関関係を2次完全接続型Isingモデルとして特徴付ける,システムに好まれるサンプリング分布を学習する。
論文 参考訳（メタデータ） (2020-03-23T17:52:17Z) - 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。