論文の概要: Low-cost Efficient Wireless Intelligent Sensor (LEWIS) for Engineering, Research, and Education

• arxiv url: http://arxiv.org/abs/2303.13688v1
• Date: Thu, 23 Mar 2023 21:49:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 16:32:40.937730
• Title: Low-cost Efficient Wireless Intelligent Sensor (LEWIS) for Engineering, Research, and Education
• Title（参考訳）: 工学・研究・教育のための低コスト高効率ワイヤレスインテリジェントセンサ(lewis)
• Authors: Mahsa Sanei, Solomon Atcitty, Fernando Moreu
• Abstract要約: センサによって決定を下すスマートシティのビジョンは、これまで実現されていない。 土木技術者はセンサー技術に関する知識を欠いている。 センサーに関連する電気部品とコンピュータの知識は、土木技術者にとって依然として課題である。
• 参考スコア（独自算出の注目度）: 72.2614468437919
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sensors have the capability of collecting engineering data and quantifying environmental changes, activities, or phenomena. Civil engineers lack of knowledge in sensor technology. Therefore, the vision of smart cities equipped with sensors informing decisions has not been realized to date. The cost associated with data acquisition systems, laboratories, and experiments restricts access to sensors for wider audiences. Recently, sensors are becoming a new tool in education and training, giving learners real-time information that can reinforce their confidence and understanding of scientific or engineering new concepts. However, the electrical components and computer knowledge associated with sensors are still a challenge for civil engineers. If sensing technology costs and use are simplified, sensors could be tamed by civil engineering students. The researcher developed, fabricated, and tested an efficient low-cost wireless intelligent sensor (LEWIS) aimed at education and research, named LEWIS1. This platform is directed at learners connected with a cable to the computer but has the same concepts and capabilities as the wireless version. The content of this paper describes the hardware and software architecture of the first prototype and their use, as well as the proposed new LEWIS1 (LEWIS1 beta) that simplifies both hardware and software, and user interfaces. The capability of the proposed sensor is compared with an accurate commercial PCB sensor through experiments. The later part of this paper demonstrates applications and examples of outreach efforts and suggests the adoption of LEWIS1 beta as a new tool for education and research. The authors also investigated the number of activities and sensor building workshops that has been done since 2015 using the LEWIS sensor which shows an ascending trend of different professionals excitement to involve and learn the sensor fabrication.
• Abstract（参考訳）: センサーはエンジニアリングデータを収集し、環境の変化、活動、現象を定量化する能力を持つ。 土木技術者はセンサー技術について知識がない。 そのため、センサを搭載したスマートシティのビジョンは、現在まで実現されていない。 データ取得システム、研究所、実験に関連するコストは、より広い聴衆のためのセンサーへのアクセスを制限する。 近年、センサーは教育や教育の新たなツールとなり、科学や工学の新しい概念の信頼性と理解を高めることができるリアルタイム情報を提供している。 しかし、センサーに関連する電気部品とコンピュータ知識は、土木技術者にとって依然として課題である。 テクノロジーのコストと利用が単純化された場合、センサーは土木工学の学生に悪用される可能性がある。 研究チームは、LEWIS1という教育と研究を目的とした、低コストのワイヤレスインテリジェントセンサー(LEWIS)を開発し、製造し、テストした。 このプラットフォームは、コンピュータにケーブルを接続する学習者に向けられているが、ワイヤレス版と同じ概念と能力を持っている。 本稿では,最初のプロトタイプのハードウェアとソフトウェアアーキテクチャとその利用,およびハードウェアとソフトウェアとユーザインターフェースの両方を単純化したLEWIS1(LEWIS1 beta)について述べる。 提案するセンサの能力は,実験を通じて正確な商用PCBセンサと比較される。 本稿の後半では、アウトリーチ活動の応用と実例を示し、LEWIS1 Betaを教育・研究の新しいツールとして採用することを提案する。 著者らは、2015年から行われている活動とセンサー構築ワークショップの数をLEWISセンサーを用いて調査した。

関連論文リスト

• IoT-LM: Large Multisensory Language Models for the Internet of Things [70.74131118309967]
  IoTエコシステムは、モーション、サーマル、ジオロケーション、イメージング、ディープ、センサー、オーディオといった、現実世界のモダリティの豊富なソースを提供する。 機械学習は、IoTデータを大規模に自動的に処理する豊富な機会を提供する。 IoTエコシステムに適した,オープンソースの大規模マルチセンサ言語モデルであるIoT-LMを紹介します。
  論文  参考訳（メタデータ） (2024-07-13T08:20:37Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• A Plug-in Tiny AI Module for Intelligent and Selective Sensor Data Transmission [10.174575604689391]
  本稿では、インテリジェントなデータ伝送機能を備えたセンシングフレームワークを実現するための新しいセンシングモジュールを提案する。 センサの近くに置かれる高効率機械学習モデルを統合する。 このモデルは,無関係な情報を破棄しながら,貴重なデータのみを送信するセンサシステムに対して,迅速なフィードバックを提供する。
  論文  参考訳（メタデータ） (2024-02-03T05:41:39Z)
• MultiIoT: Benchmarking Machine Learning for the Internet of Things [70.74131118309967]
  次世代の機械学習システムは、物理的世界に対する知覚と相互作用に長けなければならない。 運動、熱、位置情報、深度、無線信号、ビデオ、オーディオからの知覚データは、物理環境の状態をモデル化するためにますます使われています。 既存の取り組みは、しばしば単一の感覚的モダリティまたは予測タスクに特化している。 本稿は、12のモダリティと8つの現実世界タスクから115万以上のサンプルを含む、これまでで最も拡張的で統一されたIoTベンチマークであるMultiIoTを提案する。
  論文  参考訳（メタデータ） (2023-11-10T18:13:08Z)
• Federated Learning on Edge Sensing Devices: A Review [0.0]
  プライバシ、ハードウェア、接続性の制限に対するソリューションとして、フェデレートラーニング(FL)が登場している。 FLの主要な原則、ソフトウェアフレームワーク、テストベッドに重点を置いています。 また,現在のセンサ技術,センサ装置の特性,FLを利用したセンサアプリケーションについても検討する。
  論文  参考訳（メタデータ） (2023-11-02T12:55:26Z)
• Datasheets for Machine Learning Sensors: Towards Transparency, Auditability, and Responsibility for Intelligent Sensing [9.686781507805113]
  機械学習(ML)センサーは、エンドユーザにデータをより多くコントロールすることで、エッジでのインテリジェンスを可能にしている。 本稿では,これらのMLセンサの標準テンプレートを導入し,各セクションの設計とモチベーションについて検討・評価する。 テンプレートの応用事例として,コンピュータビジョンによる人物検出を行うMLセンサの2つの例を設計・開発した。
  論文  参考訳（メタデータ） (2023-06-15T04:24:13Z)
• Machine Learning Sensors [4.263101392970408]
  機械学習センサーは、組み込み機械学習アプリケーションの将来へのパラダイムシフトを表している。 組み込み機械学習(ML)の現在のインスタンス化は、複雑な統合、モジュール化の欠如、プライバシとセキュリティの懸念に悩まされている。 本稿では、これらの課題に対処するために、エッジデバイスにセンサインテリジェンスを埋め込むための、よりデータ中心のパラダイムを提案する。
  論文  参考訳（メタデータ） (2022-06-07T13:22:13Z)
• Classifying Human Activities with Inertial Sensors: A Machine Learning Approach [0.0]
  HAR(Human Activity Recognition)は、現在進行中の研究課題である。 医療サポート、スポーツ、フィットネス、ソーシャルネットワーキング、ヒューマン・コンピュータ・インタフェース、シニア・ケア、エンターテイメント、監視などの分野に応用されている。 スマートフォンの慣性センサデータを用いて,人間活動認識のための機械学習と深層学習のアプローチを検討した。
  論文  参考訳（メタデータ） (2021-11-09T08:17:33Z)
• 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)
• OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
  既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。 我々は,多方向高解像度触覚センサOmniTactを紹介する。 我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
  論文  参考訳（メタデータ） (2020-03-16T01:31:29Z)

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。