論文の概要: Reinforcement Learning Based Sensor Optimization for Bio-markers

• arxiv url: http://arxiv.org/abs/2308.10649v1
• Date: Mon, 21 Aug 2023 11:36:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-22 13:51:53.627404
• Title: Reinforcement Learning Based Sensor Optimization for Bio-markers
• Title（参考訳）: 強化学習に基づくバイオマーカーのセンサ最適化
• Authors: Sajal Khandelwal, Pawan Kumar, Syed Azeemuddin
• Abstract要約: 本稿では、新しい強化学習に基づく2成分粒子群最適化(RLBPSO)を用いたIDC型RFセンサの感度向上について検討する。 RLBPSO法は,現在の最先端手法と比較して,様々な周波数域に最適化された設計法を示す。
• 参考スコア（独自算出の注目度）: 12.561358067225497
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radio frequency (RF) biosensors, in particular those based on inter-digitated capacitors (IDCs), are pivotal in areas like biomedical diagnosis, remote sensing, and wireless communication. Despite their advantages of low cost and easy fabrication, their sensitivity can be hindered by design imperfections, environmental factors, and circuit noise. This paper investigates enhancing the sensitivity of IDC-based RF sensors using novel reinforcement learning based Binary Particle Swarm Optimization (RLBPSO), and it is compared to Ant Colony Optimization (ACO), and other state-of-the-art methods. By focusing on optimizing design parameters like electrode design and finger width, the proposed study found notable improvements in sensor sensitivity. The proposed RLBPSO method shows best optimized design for various frequency ranges when compared to current state-of-the-art methods.
• Abstract（参考訳）: 無線周波数(RF)バイオセンサー、特にデジタル間キャパシタ(IDC)に基づくものは、生体医学的診断、リモートセンシング、無線通信などの分野で重要である。 低コストで製造が容易であるにもかかわらず、その感度は設計の不完全さ、環境要因、回路ノイズによって妨げられる。 本稿では,新しい強化学習ベースバイナリ粒子群最適化 (RLBPSO) を用いたIDCを用いたRFセンサの感度向上について検討し,Ant Colony Optimization (ACO) や他の最先端手法と比較した。 電極設計や指幅などの設計パラメータの最適化に重点を置くことで,センサの感度が著しく向上した。 RLBPSO法は,現在の最先端手法と比較して,様々な周波数域に最適化された設計法を示す。

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)
• Blue and Green-Mode Energy-Efficient Nanoparticle-Based Chemiresistive Sensor Array Realized by Rapid Ensemble Learning [0.5890690947925292]
  本研究では,迅速なアンサンブル学習に基づくモデル委員会アプローチを用いた最適化戦略を提案する。 センサ選択におけるモデルの意見を集約するために、重み付け投票機構を導入する。 この戦略は理論計算とモンテカルロシミュレーションによって検証され、その有効性と正確性を示している。
  論文  参考訳（メタデータ） (2024-03-03T23:38:37Z)
• CoSS: Co-optimizing Sensor and Sampling Rate for Data-Efficient AI in Human Activity Recognition [5.215675032361843]
  ニューラルネットワークの最近の進歩は、複数の時系列センサーを用いた人間の活動認識を大幅に改善した。 高周波サンプリングレートの多数のセンサを用いることで結果が向上するが、多くの場合、データ非効率性とANNの不要な拡張につながる。 本稿では,HARタスクにおけるデータ効率向上のための実用的フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-03T22:04:40Z)
• EKGNet: A 10.96{\mu}W Fully Analog Neural Network for Intra-Patient Arrhythmia Classification [79.7946379395238]
  心電図不整脈分類におけるアナログ計算と深層学習を組み合わせた統合的アプローチを提案する。 本稿では,低消費電力で高精度にアーカイブするハードウェア効率と完全アナログ不整脈分類アーキテクチャであるEKGNetを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:37:49Z)
• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。 得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。 本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• Detection of Sensor-To-Sensor Variations using Explainable AI [2.2956649873563952]
  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。
  論文  参考訳（メタデータ） (2023-06-19T11:00:54Z)
• Optimal Sensor Placement in Body Surface Networks using Gaussian Processes [4.111899441919164]
  提案手法は, 生物学的対象物に対するランドマーク選択のための最近の実験的設計手法を取り入れたものである。 提案手法は, 装着性の向上と設計コストの低減により, より臨床的に実用的なECGIシステムの設計に寄与する。
  論文  参考訳（メタデータ） (2022-09-07T03:40:08Z)
• Multiple Time Series Fusion Based on LSTM An Application to CAP A Phase Classification Using EEG [56.155331323304]
  本研究では,深層学習に基づく脳波チャンネルの特徴レベル融合を行う。 チャネル選択,融合,分類手順を2つの最適化アルゴリズムで最適化した。
  論文  参考訳（メタデータ） (2021-12-18T14:17:49Z)
• Investigation and comparison of measurement schemes in the low frequency biosensing regime using solid-state defect centers [58.720142291102135]
  ダイヤモンドの固体欠陥は、高い感度と時間分解能を持つ有望な量子センサーを作る。 不均質な拡張と駆動振幅の変動は、使用したセンシング方式によって感度に異なる影響を及ぼした。 連続波(CW)光磁気共鳴(ODMR)分光法, πパルスODMR法, ラムゼー干渉法に基づくスキームの予測感度を数値解析し, 比較した。
  論文  参考訳（メタデータ） (2021-09-27T13:05:23Z)
• 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)

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。