論文の概要: Grey-box Bayesian Optimization for Sensor Placement in Assisted Living Environments

• arxiv url: http://arxiv.org/abs/2309.05784v1
• Date: Mon, 11 Sep 2023 19:31:14 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-13 15:32:04.404076
• Title: Grey-box Bayesian Optimization for Sensor Placement in Assisted Living Environments
• Title（参考訳）: 生活環境におけるセンサ配置のグレイボックスベイズ最適化
• Authors: Shadan Golestan, Omid Ardakanian, Pierre Boulanger
• Abstract要約: 任意の屋内空間に高品質なセンサを配置する手法を提案する。 我々の重要な技術的貢献は、活動の空間分布に関するドメイン固有の知識を捉えることである。
• 参考スコア（独自算出の注目度）: 1.2093182949686778
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Optimizing the configuration and placement of sensors is crucial for reliable fall detection, indoor localization, and activity recognition in assisted living spaces. We propose a novel, sample-efficient approach to find a high-quality sensor placement in an arbitrary indoor space based on grey-box Bayesian optimization and simulation-based evaluation. Our key technical contribution lies in capturing domain-specific knowledge about the spatial distribution of activities and incorporating it into the iterative selection of query points in Bayesian optimization. Considering two simulated indoor environments and a real-world dataset containing human activities and sensor triggers, we show that our proposed method performs better compared to state-of-the-art black-box optimization techniques in identifying high-quality sensor placements, leading to accurate activity recognition in terms of F1-score, while also requiring a significantly lower (51.3% on average) number of expensive function queries.
• Abstract（参考訳）: センサの構成と配置の最適化は, 生活空間における転倒検出, 屋内位置推定, 活動認識に不可欠である。 本稿では,グレイボックスベイズ最適化とシミュレーションに基づく評価に基づいて,任意の室内空間に高品質なセンサ配置を求める新しいサンプル効率の手法を提案する。 我々の重要な技術的貢献は、活動の空間分布に関するドメイン固有の知識を捉え、ベイズ最適化におけるクエリポイントの反復的な選択にそれを取り入れることである。 室内の2つのシミュレーション環境と,人間の活動とセンサトリガを含む実世界のデータセットを考慮すると,提案手法は,高品質なセンサ配置の同定において最先端のブラックボックス最適化手法よりも優れた性能を示し,F1スコアの精度の高いアクティビティ認識を実現するとともに,高価な関数クエリの数が著しく少ない(平均51.3%)。

関連論文リスト

• Deep Optimal Sensor Placement for Black Box Stochastic Simulations [1.638332186726632]
  本稿では, 入力パラメータに対する結合分布と, 結合エネルギーモデルを用いた解を提案する。 提案手法は,従来の手法に比べて計算コストの低い高精度なセンサ位置を提供することを示す。
  論文  参考訳（メタデータ） (2024-10-15T20:10:25Z)
• A physics-driven sensor placement optimization methodology for temperature field reconstruction [9.976807723785006]
  温度場再構成のための物理駆動型センサ配置最適化(PSPO)手法を提案する。 PSPO法はランダム選択法と均一選択法を大きく上回り、ほぼ一桁の精度で復元精度を向上させる。
  論文  参考訳（メタデータ） (2024-09-27T03:26:38Z)
• Localized Zeroth-Order Prompt Optimization [54.964765668688806]
  そこで我々は,ZOPO(Localized zeroth-order prompt optimization)という新しいアルゴリズムを提案する。 ZOPOはニューラル・タンジェント・カーネルをベースとしたガウス法を標準ゼロ階次最適化に取り入れ、高速な局所最適探索を高速化する。 注目すべきは、ZOPOは最適化性能とクエリ効率の両方の観点から、既存のベースラインを上回っていることだ。
  論文  参考訳（メタデータ） (2024-03-05T14:18:15Z)
• 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)
• Efficient Sensor Placement from Regression with Sparse Gaussian Processes in Continuous and Discrete Spaces [3.729242965449096]
  センサ配置問題は、相関現象を監視する際に発生する一般的な問題である。 本稿では,勾配降下法を用いて最適化可能な変分近似に基づくSP問題に対する新しい定式化を提案する。
  論文  参考訳（メタデータ） (2023-02-28T19:10:12Z)
• 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)
• Adaptive Real Time Exploration and Optimization for Safety-Critical Systems [0.0]
  安全制約を考慮したプログラミング問題として,マルチアームバンディットを用いたARTEOアルゴリズムを提案する。 最適化入力の変化と探索を通して環境特性を学習する。 既存のセーフラーニング手法と比較して、我々のアルゴリズムは排他的な探索フェーズを必要とせず、探索点においても最適化目標に従う。
  論文  参考訳（メタデータ） (2022-11-10T11:37:22Z)
• Learning Space Partitions for Path Planning [54.475949279050596]
  PlaLaMは2次元ナビゲーションタスクにおける既存の経路計画手法よりも優れており、特に難解な局所最適化の存在下では優れている。 これらは高マルチモーダルな実世界のタスクに移行し、コンパイラフェーズでは最大245%、分子設計では最大0.4の強いベースラインを0-1スケールで上回ります。
  論文  参考訳（メタデータ） (2021-06-19T18:06:11Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Incorporating Expert Prior in Bayesian Optimisation via Space Warping [54.412024556499254]
  大きな探索空間では、アルゴリズムは関数の最適値に達する前に、いくつかの低関数値領域を通過する。 このコールドスタートフェーズの1つのアプローチは、最適化を加速できる事前知識を使用することである。 本稿では,関数の事前分布を通じて,関数の最適性に関する事前知識を示す。 先行分布は、探索空間を最適関数の高確率領域の周りに拡張し、最適関数の低確率領域の周りに縮小するようにワープする。
  論文  参考訳（メタデータ） (2020-03-27T06:18:49Z)

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。

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。