論文の概要: Bayesian Calibration of MEMS Accelerometers
- arxiv url: http://arxiv.org/abs/2306.06144v1
- Date: Fri, 9 Jun 2023 09:10:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 21:00:31.046289
- Title: Bayesian Calibration of MEMS Accelerometers
- Title（参考訳）: MEMS加速度計のベイズ校正
- Authors: Oliver D\"urr, Po-Yu Fan, and Zong-Xian Yin
- Abstract要約: 誤差補正関数のパラメータは、校正プロセス中に決定される。
様々なノイズ源のため、これらのパラメータは精度で決定できないため、キャリブレーションモデルに不確かさを組み込むことが望ましい。
本研究では,MEMS加速度計データのキャリブレーションにおけるベイズ法について,近年の確率計画法を応用した簡単な手法を提案する。
- 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: This study aims to investigate the utilization of Bayesian techniques for the
calibration of micro-electro-mechanical systems (MEMS) accelerometers. These
devices have garnered substantial interest in various practical applications
and typically require calibration through error-correcting functions. The
parameters of these error-correcting functions are determined during a
calibration process. However, due to various sources of noise, these parameters
cannot be determined with precision, making it desirable to incorporate
uncertainty in the calibration models. Bayesian modeling offers a natural and
complete way of reflecting uncertainty by treating the model parameters as
variables rather than fixed values. Additionally, Bayesian modeling enables the
incorporation of prior knowledge, making it an ideal choice for calibration.
Nevertheless, it is infrequently used in sensor calibration. This study
introduces Bayesian methods for the calibration of MEMS accelerometer data in a
straightforward manner using recent advances in probabilistic programming.
- Abstract（参考訳）: 本研究では,マイクロ・エレクトロメカニカル・システム(MEMS)加速度計の校正におけるベイズ的手法の利用について検討する。
これらの装置は様々な応用にかなりの関心を集めており、通常は誤り訂正機能による校正を必要とする。
これらの誤差補正関数のパラメータは、キャリブレーションプロセス中に決定される。
しかし、様々なノイズ源のため、これらのパラメータは精度で決定できないため、キャリブレーションモデルに不確実性を取り込むことが望ましい。
ベイズモデリングは、モデルパラメータを固定値ではなく変数として扱うことによって不確実性を反映する自然な完全な方法を提供する。
さらに、ベイズモデリングは事前知識の組み入れを可能にし、キャリブレーションの理想的な選択となる。
しかし、センサーの校正にはほとんど使われない。
本研究では,最近の確率的プログラミングの進歩を活かして,mems加速度計データのキャリブレーションにベイズ法を導入する。
関連論文リスト
- Towards Certification of Uncertainty Calibration under Adversarial Attacks [96.48317453951418]
攻撃はキャリブレーションを著しく損なう可能性を示し, 対向的摂動下でのキャリブレーションにおける最悪のキャリブレーション境界として認定キャリブレーションを提案する。
我々は,新しいキャリブレーション攻撃を提案し,テクスタディバーショナルキャリブレーショントレーニングによりモデルキャリブレーションを改善する方法を示す。
論文 参考訳（メタデータ） (2024-05-22T18:52:09Z) - Sequential Monte Carlo applied to virtual flow meter calibration [0.0]
油とガスの製造において、仮想フロー計測(VFM)は、マルチフェーズ流量をリアルタイムで推定しようとする一般的なソフトセンサーである。
キャリブレーションは、モデルの大きな多様性と利用可能な測定値の両方のために、アプリケーションに大きく依存する。
本稿では,生産セパレータによって提供される測定値に基づいてキャリブレーション手法を提案する。
論文 参考訳（メタデータ） (2023-04-13T07:35:18Z) - Sharp Calibrated Gaussian Processes [58.94710279601622]
キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。
本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。
我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
論文 参考訳（メタデータ） (2023-02-23T12:17:36Z) - Variable-Based Calibration for Machine Learning Classifiers [11.9995808096481]
モデルのキャリブレーション特性を特徴付けるために,変数ベースのキャリブレーションの概念を導入する。
ほぼ完全なキャリブレーション誤差を持つモデルでは,データの特徴の関数としてかなりの誤校正が期待できることがわかった。
論文 参考訳（メタデータ） (2022-09-30T00:49:31Z) - Inferring bias and uncertainty in camera calibration [2.11622808613962]
本稿では,カメラキャリブレーションにおける基本的な誤差源を捉えるための評価手法を提案する。
バイアス検出法は,最小の系統誤差を明らかにし,校正装置の欠陥を明らかにする。
再サンプリングに基づく新しい不確実性推定器は,非理想的条件下での不確実性推定を可能にする。
カメラモデルに依存しない単純な不確実性指標を導出する。
論文 参考訳（メタデータ） (2021-07-28T16:49:39Z) - Parameterized Temperature Scaling for Boosting the Expressive Power in
Post-Hoc Uncertainty Calibration [57.568461777747515]
我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。
最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。
当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2021-02-24T10:18:30Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳（メタデータ） (2021-02-22T07:22:12Z) - Uncertainty Quantification and Deep Ensembles [79.4957965474334]
ディープアンサンブルが必ずしもキャリブレーション特性の改善につながるとは限らないことを示す。
そこで本研究では,混成正規化などの現代的な手法と併用して標準アンサンブル法を用いることで,キャリブレーションの少ないモデルが得られることを示す。
このテキストは、データが不足しているときにディープラーニングを活用するために、最も単純で一般的な3つのアプローチの相互作用を調べる。
論文 参考訳（メタデータ） (2020-07-17T07:32:24Z) - Unsupervised Calibration under Covariate Shift [92.02278658443166]
ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。
実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
論文 参考訳（メタデータ） (2020-06-29T21:50:07Z)
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。