論文の概要: Leveraging unsupervised data and domain adaptation for deep regression in low-cost sensor calibration

• arxiv url: http://arxiv.org/abs/2210.00521v1
• Date: Sun, 2 Oct 2022 13:47:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-04 17:30:17.647109
• Title: Leveraging unsupervised data and domain adaptation for deep regression in low-cost sensor calibration
• Title（参考訳）: 低コストセンサキャリブレーションにおける教師なしデータと領域適応の深回帰への応用
• Authors: Swapnil Dey, Vipul Arora, Sachchida Nand Tripathi
• Abstract要約: 大気質モニタリングは, 大気質に対する意識を高めるための重要な課題となっている。 低コストの空気質センサーは容易に展開できるが、高価で大きめの基準モニターほど信頼性は低い。 本稿では,センサキャリブレーションのタスクを半教師付き領域適応問題に変換する。
• 参考スコア（独自算出の注目度）: 2.5845893156827158
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Air quality monitoring is becoming an essential task with rising awareness about air quality. Low cost air quality sensors are easy to deploy but are not as reliable as the costly and bulky reference monitors. The low quality sensors can be calibrated against the reference monitors with the help of deep learning. In this paper, we translate the task of sensor calibration into a semi-supervised domain adaptation problem and propose a novel solution for the same. The problem is challenging because it is a regression problem with covariate shift and label gap. We use histogram loss instead of mean squared or mean absolute error, which is commonly used for regression, and find it useful against covariate shift. To handle the label gap, we propose weighting of samples for adversarial entropy optimization. In experimental evaluations, the proposed scheme outperforms many competitive baselines, which are based on semi-supervised and supervised domain adaptation, in terms of R2 score and mean absolute error. Ablation studies show the relevance of each proposed component in the entire scheme.
• Abstract（参考訳）: 大気質モニタリングは, 大気質に対する意識を高めるための重要な課題となっている。 低コストの空気質センサーは展開が容易であるが、高価でかさばる基準モニターほど信頼性は高くない。 低品質のセンサーは、ディープラーニングの助けを借りて基準モニターに対して校正することができる。 本稿では,センサキャリブレーションの課題を半教師あり領域適応問題に変換し,それに対する新しい解を提案する。 この問題は、共変量シフトとラベルギャップを伴う回帰問題であるため、難しい。 回帰によく用いられる平均二乗あるいは平均絶対誤差の代わりにヒストグラム損失を用い,共変量シフトに対して有用であることがわかった。 ラベルギャップに対処するために,逆エントロピー最適化のためのサンプル重み付けを提案する。 実験的な評価において,提案手法は,R2スコアと平均絶対誤差を用いて,半教師付きおよび教師付き領域適応に基づく多くの競争ベースラインより優れる。 アブレーション研究は、提案する各成分の全体的関連性を示している。

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)
• PseudoCal: A Source-Free Approach to Unsupervised Uncertainty Calibration in Domain Adaptation [87.69789891809562]
  非教師なしドメイン適応(UDA)は、未ラベルのターゲットドメインのモデルの精度を向上する顕著な進歩を目撃している。 UDAモデルの安全な配置の重要な側面であるターゲット領域における予測不確実性の校正は、あまり注目されていない。 PseudoCalは、ラベルのないターゲットデータにのみ依存するソースフリーキャリブレーション手法である。
  論文  参考訳（メタデータ） (2023-07-14T17:21:41Z)
• Modelling calibration uncertainty in networks of environmental sensors [2.016542873726103]
  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。
  論文  参考訳（メタデータ） (2022-05-04T10:38:45Z)
• Toward Minimal Misalignment at Minimal Cost in One-Stage and Anchor-Free Object Detection [6.486325109549893]
  分類と回帰の分岐は、同じ規模と同じ空間的位置から特徴に対して異なる感受性を持つ。 本稿では,高い分類信頼点が高い回帰品質を持つという仮定に基づいて,点に基づく予測手法を提案する。 我々は,この現象を最小限のコストで解決することを目指しており,頭部ネットワークの微調整と,剛体ネットワークを置き換えた新しいラベル割り当て手法を提案する。
  論文  参考訳（メタデータ） (2021-12-16T14:22:13Z)
• Regressive Domain Adaptation for Unsupervised Keypoint Detection [67.2950306888855]
  ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインに知識を転送することを目的とする。 本稿では,教師なしキーポイント検出のためのレグレッシブドメイン適応(RegDA)法を提案する。 提案手法は,異なるデータセット上のPCKにおいて,8%から11%の大幅な改善をもたらす。
  論文  参考訳（メタデータ） (2021-03-10T16:45:22Z)
• 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)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Detecting Rewards Deterioration in Episodic Reinforcement Learning [63.49923393311052]
  多くのRLアプリケーションでは、トレーニングが終了すると、エージェント性能の劣化をできるだけ早く検出することが不可欠である。 我々は,各エピソードにおける報酬が独立でもなく,同一に分散した,マルコフでもない,エピソード的枠組みを考察する。 平均シフトは、時間信号の劣化(報酬など)に対応する方法で定義し、最適な統計的パワーでこの問題の試行を導出する。
  論文  参考訳（メタデータ） (2020-10-22T12:45:55Z)
• Certainty Equivalent Perception-Based Control [29.216967322052785]
  動的に達成可能な高密度サンプリングスキームの下で,非カーネル回帰に拘束される一様誤差を示す。 これにより、経路追跡のためにクローズドループの回帰器を使用する場合の準最適性に対する有限時間収束率が得られる。
  論文  参考訳（メタデータ） (2020-08-27T18:45:40Z)
• Unbiased Risk Estimators Can Mislead: A Case Study of Learning with Complementary Labels [92.98756432746482]
  我々は,補完ラベルを用いた学習という,弱教師付き問題を研究する。 勾配推定の品質はリスク最小化においてより重要であることを示す。 本稿では,ゼロバイアスと分散の低減を両立させる新しい補助的相補的損失(SCL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-05T04:19:37Z)

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。