論文の概要: Detection of Sensor-To-Sensor Variations using Explainable AI
- arxiv url: http://arxiv.org/abs/2306.10850v1
- Date: Mon, 19 Jun 2023 11:00:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 18:07:47.219248
- Title: Detection of Sensor-To-Sensor Variations using Explainable AI
- Title（参考訳）: 説明可能なAIを用いたセンサ・センサ間変動の検出
- Authors: Sarah Seifi, Sebastian A. Schober, Cecilia Carbonelli, Lorenzo
Servadei, Robert Wille
- Abstract要約: 化学抵抗性ガス検知装置は製造中のセンサの変動の問題に悩まされている。
本研究では、SHAP(SHAP)のAI(XAI)法を用いて、センサデバイスにおけるセンサとセンサの変動を検出する新しい手法を提案する。
本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工的および現実的なオゾン濃度プロファイルを用いて試験する。
- 参考スコア（独自算出の注目度）: 2.2956649873563952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the growing concern for air quality and its impact on human health,
interest in environmental gas monitoring has increased. However,
chemi-resistive gas sensing devices are plagued by issues of sensor
reproducibility during manufacturing. This study proposes a novel approach for
detecting sensor-to-sensor variations in sensing devices using the explainable
AI (XAI) method of SHapley Additive exPlanations (SHAP). This is achieved by
identifying sensors that contribute the most to environmental gas concentration
estimation via machine learning, and measuring the similarity of feature
rankings between sensors to flag deviations or outliers. The methodology is
tested using artificial and realistic Ozone concentration profiles to train a
Gated Recurrent Unit (GRU) model. Two applications were explored in the study:
the detection of wrong behaviors of sensors in the train dataset, and the
detection of deviations in the test dataset. By training the GRU with the
pruned train dataset, we could reduce computational costs while improving the
model performance. Overall, the results show that our approach improves the
understanding of sensor behavior, successfully detects sensor deviations down
to 5-10% from the normal behavior, and leads to more efficient model
preparation and calibration. Our method provides a novel solution for
identifying deviating sensors, linking inconsistencies in hardware to
sensor-to-sensor variations in the manufacturing process on an AI model-level.
- Abstract（参考訳）: 大気の質や人間の健康への影響に対する懸念が高まり、環境ガスモニタリングへの関心が高まっている。
しかし,化学抵抗性ガス検知装置は製造中のセンサ再現性の問題に悩まされている。
本研究は,シェープリー添加説明法(shap)のxai法を用いて,センサからセンサへの変動を検出する新しい手法を提案する。
これは、機械学習による環境ガス濃度推定に最も寄与するセンサーを特定し、センサ間の特徴ランクと偏差や外れ値との類似度を測定することで達成される。
本手法は,GRU(Gated Recurrent Unit)モデルをトレーニングするために,人工および現実的なオゾン濃度プロファイルを用いて試験する。
実験では、列車データセットにおけるセンサの誤動作の検出と、テストデータセットにおける逸脱の検出という2つの応用が検討された。
gruをpruned trainデータセットでトレーニングすることで、モデルパフォーマンスを改善しながら計算コストを削減できる。
その結果,センサの動作の理解が向上し,通常の動作から5～10%までのセンサ偏差が検出され,モデル作成や校正の効率化が期待できることがわかった。
本手法は、ハードウェアの不整合をaiモデルレベルで製造プロセスにおけるセンサとセンサのバリエーションに結びつけ、逸脱するセンサを識別するための新しいソリューションを提供する。
関連論文リスト
- MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。
そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-18T13:32:59Z) - Spatial-Temporal Graph Attention Fuser for Calibration in IoT Air
Pollution Monitoring Systems [8.997596859735516]
本稿では,センサアレイからのデータを融合させることによりキャリブレーションのプロセスを改善する新しい手法を提案する。
我々は,IoT大気汚染監視プラットフォームにおけるセンサの校正精度を大幅に向上させる手法の有効性を実証する。
論文 参考訳（メタデータ） (2023-09-08T12:04:47Z) - Unsupervised Statistical Feature-Guided Diffusion Model for Sensor-based Human Activity Recognition [3.2319909486685354]
ウェアラブルセンサーによる人間の活動認識の進歩を支えている重要な問題は、多様なラベル付きトレーニングデータの利用不可能である。
本研究では,ウェアラブルセンサを用いた人間行動認識に特化して最適化された,教師なしの統計的特徴誘導拡散モデルを提案する。
平均,標準偏差,Zスコア,歪などの統計情報に拡散モデルを適用し,多種多様な合成センサデータを生成する。
論文 参考訳（メタデータ） (2023-05-30T15:12:59Z) - 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) - Sensor Sampling Trade-Offs for Air Quality Monitoring With Low-Cost
Sensors [0.1957338076370071]
本研究では, 対流圏オゾン, 二酸化窒素, 一酸化窒素の低コストセンサの校正におけるデータサンプリング戦略の影響について述べる。
具体的には,センササブシステムのデューティサイクルを最小化するサンプリング戦略によって,データ品質を維持しながら消費電力を削減できることを示す。
論文 参考訳（メタデータ） (2021-12-14T11:05:55Z) - Bayesian Autoencoders for Drift Detection in Industrial Environments [69.93875748095574]
オートエンコーダは、マルチセンサー環境で異常を検出するために使用される教師なしモデルである。
異常は、実際の環境の変化(実際のドリフト)や、故障した感覚デバイス(仮想ドリフト)から生じる。
論文 参考訳（メタデータ） (2021-07-28T10:19:58Z) - 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) - Data-based Design of Inferential Sensors for Petrochemical Industry [0.0]
産業において、不正確な(またはソフトな)センサーは、オンラインで測定された変数から不正確かつ稀に測定された(または完全に測定されていない)変数の値を推測するために用いられる。
本研究は, 石油精製装置2基の工業蒸留塔の製品組成推定センサの設計に焦点をあてたものである。
論文 参考訳（メタデータ） (2021-06-25T08:48:50Z) - 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) - Data-aided Sensing for Gaussian Process Regression in IoT Systems [48.523643863141466]
我々は,インターネット・オブ・シングス・システムにおいて,センサから収集したデータセットの学習にデータアシストセンシングを用いる。
データ支援センシングによるガウス過程回帰の精度向上に寄与し,予測によるマルチチャネルALOHAの修正が有効であることを示す。
論文 参考訳（メタデータ） (2020-11-23T20:59:51Z)
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。