Fugu-MT 論文翻訳(概要): Spatial-Temporal Graph Attention Fuser for Calibration in IoT Air Pollution Monitoring Systems

論文の概要: Spatial-Temporal Graph Attention Fuser for Calibration in IoT Air Pollution Monitoring Systems

arxiv url: http://arxiv.org/abs/2309.04508v1
Date: Fri, 8 Sep 2023 12:04:47 GMT
ステータス: 処理完了
システム内更新日: 2023-09-12 17:57:00.002728
Title: Spatial-Temporal Graph Attention Fuser for Calibration in IoT Air Pollution Monitoring Systems
Title（参考訳）: IoT大気汚染モニタリングシステムにおける校正のための空間時間グラフ注意フィルタ
Authors: Keivan Faghih Niresi, Mengjie Zhao, Hugo Bissig, Henri Baumann, and Olga Fink
Abstract要約: 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。
参考スコア（独自算出の注目度）: 8.997596859735516
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The use of Internet of Things (IoT) sensors for air pollution monitoring has significantly increased, resulting in the deployment of low-cost sensors. Despite this advancement, accurately calibrating these sensors in uncontrolled environmental conditions remains a challenge. To address this, we propose a novel approach that leverages graph neural networks, specifically the graph attention network module, to enhance the calibration process by fusing data from sensor arrays. Through our experiments, we demonstrate the effectiveness of our approach in significantly improving the calibration accuracy of sensors in IoT air pollution monitoring platforms.
Abstract（参考訳）: 大気汚染モニタリングにおけるIoT(Internet of Things)センサーの利用が大幅に増加し、低コストなセンサが配備された。この進歩にもかかわらず、これらのセンサーを制御されていない環境条件で正確に調整することは依然として困難である。そこで本研究では,グラフニューラルネットワーク,特にグラフアテンションネットワークモジュールを活用して,センサアレイからのデータを融合することでキャリブレーションプロセスを改善する新しい手法を提案する。本実験により,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した。

関連論文リスト

Efficient Unsupervised Domain Adaptation Regression for Spatial-Temporal Air Quality Sensor Fusion [6.963971634605796]
本稿では,グラフ構造データに対する回帰処理に適した新しいunsupervised domain adapt(UDA)手法を提案する。センサ間の関係をモデル化するために、時空間グラフニューラルネットワーク(STGNN)を組み込んだ。弊社のアプローチでは、安価なIoTセンサが高価な参照センサから校正パラメータを学習できる。
論文参考訳（メタデータ） (2024-11-11T12:20:57Z)
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)
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)
pmSensing: A Participatory Sensing Network for Predictive Monitoring of Particulate Matter [0.0]
pmSensingシステムは粒子状物質を測定することを目的としている。プロトタイプが収集したデータとステーションのデータを比較して検証を行う。このシステムは、リカレントニューラルネットワークを用いて予測分析を行う。
論文参考訳（メタデータ） (2021-11-22T17:34:12Z)
Few-shot calibration of low-cost air pollution (PM2.5) sensors using meta-learning [11.352677351165246]
低コストの粒子状物質センサーは、大気の質をモニターしている。これらのセンサーは、共同デプロイされた基準モニターからのトレーニングデータを必要とする。本稿では,センサの迅速な校正のための新しい伝達学習法を提案する。
論文参考訳（メタデータ） (2021-08-02T05:19:23Z)
Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文参考訳（メタデータ） (2021-04-29T10:06:29Z)
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)
Federated Learning in the Sky: Aerial-Ground Air Quality Sensing Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文参考訳（メタデータ） (2020-07-23T13:32:47Z)
Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文参考訳（メタデータ） (2020-05-24T10:32:49Z)

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。