論文の概要: Deep learning assisted robust detection techniques for a chipless RFID sensor tag

• arxiv url: http://arxiv.org/abs/2308.13944v1
• Date: Sat, 26 Aug 2023 19:20:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-29 17:55:15.129963
• Title: Deep learning assisted robust detection techniques for a chipless RFID sensor tag
• Title（参考訳）: 深層学習によるチップレスRFIDセンサタグのロバスト検出技術
• Authors: Nadeem Rather, Roy B. V. B. Simorangkir, John L. Buckley, Brendan O'Flynn, Salvatore Tedesco
• Abstract要約: 本稿では,チップレスRFIDセンサタグからの識別・センサデータのロバスト読み出し手法を提案する。 機械学習(ML)とディープラーニング(DL)の回帰モデリング技術が初めて、レーダークロスセクション(RCS)データのデータセットに適用される。 本報告では, タグ表面形状, 傾き角, 読み出し範囲が, ID と知覚値の頑健な検出のためのモデルのトレーニングに取り入れられていることを初めて報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we present a new approach for robust reading of identification and sensor data from chipless RFID sensor tags. For the first time, Machine Learning (ML) and Deep Learning (DL) regression modelling techniques are applied to a dataset of measured Radar Cross Section (RCS) data that has been derived from large-scale robotic measurements of custom-designed, 3-bit chipless RFID sensor tags. The robotic system is implemented using the first-of-its-kind automated data acquisition method using an ur16e industry-standard robot. A large data set of 9,600 Electromagnetic (EM) RCS signatures collected using the automated system is used to train and validate four ML models and four 1-dimensional Convolutional Neural Network (1D CNN) architectures. For the first time, we report an end-to-end design and implementation methodology for robust detection of identification (ID) and sensing data using ML/DL models. Also, we report, for the first time, the effect of varying tag surface shapes, tilt angles, and read ranges that were incorporated into the training of models for robust detection of ID and sensing values. The results show that all the models were able to generalise well on the given data. However, the 1D CNN models outperformed the conventional ML models in the detection of ID and sensing values. The best 1D CNN model architectures performed well with a low Root Mean Square Error (RSME) of 0.061 (0.87%) for tag ID and 0.0241 (3.44%) error for the capacitive sensing.
• Abstract（参考訳）: 本稿では,チップレスrfidセンサタグからの識別とセンサデータのロバストな読み出しのための新しい手法を提案する。 機械学習(ML)とディープラーニング(DL)の回帰モデリング技術は、カスタム設計の3ビットチップレスRFIDセンサタグの大規模ロボット計測から得られたレーダークロスセクション(RCS)データのデータセットに適用された。 このロボットシステムは、業界標準ロボットであるur16eを用いて、第一種自動データ取得手法を用いて実装されている。 自動システムを用いて収集した9,600個の電磁(EM)RCSシグネチャからなる大規模なデータセットを用いて、4つのMLモデルと4つの1次元畳み込みニューラルネットワーク(1D CNN)アーキテクチャを訓練し、検証する。 本稿では,ML/DLモデルを用いた識別およびセンシングデータの堅牢な検出のためのエンドツーエンドの設計と実装手法を初めて報告する。 また,idとセンシング値のロバストな検出のためのモデルのトレーニングに組み込まれたタグ面形状,傾き角,読み取り範囲の変化の影響を初めて報告した。 その結果、全てのモデルが与えられたデータに基づいてうまく一般化できることがわかった。 しかし,1d cnnモデルは,従来のmlモデルよりもidとセンシング値の検出において優れていた。 最高の1D CNNモデルアーキテクチャは、タグIDが0.061(0.87%)、容量感知が0.0241(3.44%)の低いルート平均角誤差(RSME)でよく機能した。

関連論文リスト

• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• VR-LENS: Super Learning-based Cybersickness Detection and Explainable AI-Guided Deployment in Virtual Reality [1.9642496463491053]
  本研究は、サイバーシック検出MLモデルを開発するための、説明可能な人工知能(XAI)ベースのフレームワークであるVR-LENSを提案する。 我々はまず,サイバーシック検出のための新しいスーパーラーニングベースのアンサンブルMLモデルを開発した。 本手法は, 眼球運動, プレイヤー位置, ガルバニックスキン/ハートレート応答を, 統合センサ, ゲームプレイ, 生体生理学的データセットの最も重要な特徴として同定した。
  論文  参考訳（メタデータ） (2023-02-03T20:15:51Z)
• The Tags Are Alright: Robust Large-Scale RFID Clone Detection Through Federated Data-Augmented Radio Fingerprinting [11.03108444237374]
  本稿では、RFIDクローン検出の精度を高めるために、フェデレーション機械学習(FML)とデータ拡張(DAG)に基づく新しいトレーニングフレームワークを提案する。 我々の知る限り、大規模なデバイス群に対するFMLとDAの有効性を実験的に実証した最初の論文である。
  論文  参考訳（メタデータ） (2021-05-08T10:48:02Z)
• ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
  少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。 ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
  論文  参考訳（メタデータ） (2021-04-11T12:14:04Z)
• Graph Neural Networks Based Detection of Stealth False Data Injection Attacks in Smart Grids [6.188609547699017]
  偽データ注入攻撃(False Data Injection attack, FDIA)は、電力グリッド内のスマート計測デバイスに偽データを注入することで、測定の完全性を破壊することを目的としている。 研究者がアルゴリズムを開発し、テストするために、汎用的で、局所的で、ステルス(観測不可能な)攻撃生成手法と、一般にアクセス可能なデータセットを提示する。 モデル駆動型アプローチとデータ駆動型アプローチを効率的に組み合わせたグラフニューラルネットワーク(GNN)に基づくFDIAのスケーラブルかつリアルタイム検出手法を提案する。
  論文  参考訳（メタデータ） (2021-04-05T17:02:48Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)
• A data-set of piercing needle through deformable objects for Deep Learning from Demonstrations [0.21096737598952847]
  本稿では,ダ・ヴィンチ・リサーチ・キットの2本の腕で針を挿入/ピアスするデータセットについて述べる。 我々は、単純なフィードフォワードCNNと異なるリカレント畳み込みネットワーク(RCN)を含む、いくつかの深いRLfDアーキテクチャを実装している。 本研究は、ベースラインフィードフォワードCNNが、ロボットの視覚情報と次のステップ制御動作の関係をうまく学習しているにもかかわらず、RCNがモデルの予測精度を向上させることを示唆している。
  論文  参考訳（メタデータ） (2020-12-04T08:27:06Z)
• Manual-Label Free 3D Detection via An Open-Source Simulator [50.74299948748722]
  我々は、CARLAシミュレータを利用して、大量の自己ラベル付きトレーニングサンプルを生成する手動ラベルフリーな3D検出アルゴリズムを提案する。 ドメイン適応型VoxelNet(DA-VoxelNet)は、合成データから実際のシナリオへの分散ギャップを横断することができる。 実験の結果、提案されたDA 3D検出器は、KITTI評価セット上で76.66%と56.64%のmAPを達成することができた。
  論文  参考訳（メタデータ） (2020-11-16T08:29:01Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)
• Radioactive data: tracing through training [130.2266320167683]
  本稿では,このデータセットに認識不能な変化を生じさせる新しい手法であるEmphradioactive dataを提案する。 訓練されたモデルにより, 放射能データの利用を検知し, 信頼度(p-値)のレベルを提供する。 提案手法はディープネットワーク最適化におけるデータ拡張とバックドア性に対して堅牢である。
  論文  参考訳（メタデータ） (2020-02-03T18:41:08Z)

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。