論文の概要: Towards Unsupervised Learning based Denoising of Cyber Physical System
Data to Mitigate Security Concerns
- arxiv url: http://arxiv.org/abs/2303.07530v1
- Date: Mon, 13 Mar 2023 23:35:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-15 17:03:12.673141
- Title: Towards Unsupervised Learning based Denoising of Cyber Physical System
Data to Mitigate Security Concerns
- Title（参考訳）: セキュリティを緩和するサイバー物理システムデータの教師なし学習に向けて
- Authors: Mst Shapna Akter, Hossain Shahriar
- Abstract要約: 燃料情報を含む移動車両から収集した時系列センサの読み出しは非常にうるさい。
いくつかのアルゴリズムを用いて、高次のノイズを除去するユニークな解決策を考案した。
検出された値と実値の差は1Lの範囲に留まる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A dataset, collected under an industrial setting, often contains a
significant portion of noises. In many cases, using trivial filters is not
enough to retrieve useful information i.e., accurate value without the noise.
One such data is time-series sensor readings collected from moving vehicles
containing fuel information. Due to the noisy dynamics and mobile environment,
the sensor readings can be very noisy. Denoising such a dataset is a
prerequisite for any useful application and security issues. Security is a
primitive concern in present vehicular schemes. The server side for retrieving
the fuel information can be easily hacked. Providing the accurate and noise
free fuel information via vehicular networks become crutial. Therefore, it has
led us to develop a system that can remove noise and keep the original value.
The system is also helpful for vehicle industry, fuel station, and power-plant
station that require fuel. In this work, we have only considered the value of
fuel level, and we have come up with a unique solution to filter out the noise
of high magnitudes using several algorithms such as interpolation,
extrapolation, spectral clustering, agglomerative clustering, wavelet analysis,
and median filtering. We have also employed peak detection and peak validation
algorithms to detect fuel refill and consumption in charge-discharge cycles. We
have used the R-squared metric to evaluate our model, and it is 98 percent In
most cases, the difference between detected value and real value remains within
the range of 1L.
- Abstract（参考訳）: 産業環境下で収集されたデータセットは、しばしばかなりのノイズを含む。
多くの場合、自明なフィルタを用いることで、ノイズのない正確な値という有用な情報を得るには不十分である。
そのようなデータの一つは、燃料情報を含む移動車両から収集された時系列センサ読み取りである。
ノイズの多いダイナミックスと移動環境のため、センサーの読み取りは非常にノイズが多い。
このようなデータセットを非表示することは、有用なアプリケーションやセキュリティ上の問題の前提条件である。
セキュリティは、現在の車両計画におけるプリミティブな懸念である。
燃料情報を取得するサーバ側を容易にハックすることができる。
車両ネットワークを介して、正確でノイズのない燃料情報を提供することは困難になる。
そのため,ノイズを除去し,元の値を保持できるシステムを開発した。
このシステムは、自動車産業、燃料ステーション、燃料を必要とする発電所にも役立つ。
本研究では,燃料レベルの値のみを考察し,補間,補間,外挿,スペクトルクラスタリング,凝集クラスタリング,ウェーブレット解析,中央値フィルタリングなどのアルゴリズムを用いて,高等級ノイズをフィルタするユニークな手法を考案した。
また,充電サイクルにおける燃料補給および消費を検出するために,ピーク検出とピーク検証アルゴリズムを採用した。
モデルの評価にはr-二乗法を用いてきましたが、ほとんどの場合、検出された値と実際の値の差は1lの範囲に留まります。
関連論文リスト
- Learning 3D Perception from Others' Predictions [64.09115694891679]
本研究では,3次元物体検出装置を構築するための新たなシナリオについて検討する。
例えば、自動運転車が新しいエリアに入ると、その領域に最適化された検出器を持つ他の交通参加者から学ぶことができる。
論文 参考訳（メタデータ） (2024-10-03T16:31:28Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - Real-Time Idling Vehicles Detection using Combined Audio-Visual Deep
Learning [1.2733164388167968]
リアルタイム動的車両アイドリング検出アルゴリズムを提案する。
提案手法は、アイドリング車両を検出するためのマルチセンサ、オーディオ視覚、機械学習ワークフローに依存している。
我々はソルトレイクシティの病院の退院地点でリアルタイムでシステムをテストする。
論文 参考訳（メタデータ） (2023-05-23T23:35:43Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Deep Convolutional Neural Network for Roadway Incident Surveillance
Using Audio Data [0.0]
衝突事故の特定と予測は、輸送システムの安全状態を理解する上で重要な役割を担っている。
本稿では,クラッシュイベントを正確に識別する新たなセンサユニットを提案する。
事故、タイヤスキー、ホーン、サイレンの音などの4つの事象は、道路の危険を示すために正確に識別することができる。
論文 参考訳（メタデータ） (2022-03-09T13:42:56Z) - Dense Air Quality Maps Using Regressive Facility Location Based Drive By
Sensing [4.264192013842096]
本稿では,隣接する場所におけるスムーズさと自己回帰時間相関を組み込んだ効率的な車両選択フレームワークを提案する。
インド・デリーの公共交通機関からサブセットを選択する際の枠組みを評価する。
論文 参考訳（メタデータ） (2022-01-20T18:20:37Z) - Attention-based Neural Network for Driving Environment Complexity
Perception [123.93460670568554]
本稿では,周囲の運転環境の複雑さを予測するための,注目に基づく新しいニューラルネットワークモデルを提案する。
Yolo-v3オブジェクト検出アルゴリズム、ヒートマップ生成アルゴリズム、CNNベースの特徴抽出器、注目ベースの特徴抽出器で構成される。
提案するアテンションベースネットワークは,周囲環境の複雑さを分類する平均分類精度91.22%を達成している。
論文 参考訳（メタデータ） (2021-06-21T17:27:11Z) - A probabilistic model for missing traffic volume reconstruction based on
data fusion [5.389118559012973]
固定位置センサデータとプローブ車両データを融合し,交通量再構成の確率モデルを提案する。
実世界のトラヒックボリュームデータセットを用いて,提案手法が広く研究されているデータ問題に対する最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-05-06T16:16:35Z) - Learning based signal detection for MIMO systems with unknown noise
statistics [84.02122699723536]
本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。
実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。
我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
論文 参考訳（メタデータ） (2021-01-21T04:48:15Z) - CurbScan: Curb Detection and Tracking Using Multi-Sensor Fusion [0.8722958995761769]
カーブ検出と追跡は、車両のローカライゼーションと経路計画に有用である。
本稿では,複数のセンサからデータを融合して縁石を検出・追跡する手法を提案する。
提案アルゴリズムは,KITTIデータセットとデータセットでそれぞれ4.5～22m,0～14m以内の精度を90%以上維持する。
論文 参考訳（メタデータ） (2020-10-09T22:48:20Z) - Detection of gravitational-wave signals from binary neutron star mergers
using machine learning [52.77024349608834]
本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。
信号対雑音比が25未満の信号に対する感度は6因子改善した。
保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
論文 参考訳（メタデータ） (2020-06-02T10:20:11Z)
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。