論文の概要: Wavelet Dynamic Selection Network for Inertial Sensor Signal Enhancement
- arxiv url: http://arxiv.org/abs/2401.05416v1
- Date: Fri, 29 Dec 2023 07:44:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 08:20:39.365717
- Title: Wavelet Dynamic Selection Network for Inertial Sensor Signal Enhancement
- Title（参考訳）: 慣性センサ信号強調のためのウェーブレット動的選択ネットワーク
- Authors: Yifeng Wang, Yi Zhao
- Abstract要約: 慣性センサーは様々な携帯機器で広く使われている。
ウェーブレット動的選択ネットワーク(WDSNet)は、可変慣性信号に対する適切なウェーブレット基底をインテリジェントに選択する。
WDSNetは、弱教師付き手法として、比較された全教師付き手法の最先端性能を達成する。
- 参考スコア（独自算出の注目度）: 11.793803540713695
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As attitude and motion sensing components, inertial sensors are widely used
in various portable devices. But the severe errors of inertial sensors restrain
their function, especially the trajectory recovery and semantic recognition. As
a mainstream signal processing method, wavelet is hailed as the mathematical
microscope of signal due to the plentiful and diverse wavelet basis functions.
However, complicated noise types and application scenarios of inertial sensors
make selecting wavelet basis perplexing. To this end, we propose a wavelet
dynamic selection network (WDSNet), which intelligently selects the appropriate
wavelet basis for variable inertial signals. In addition, existing deep
learning architectures excel at extracting features from input data but neglect
to learn the characteristics of target categories, which is essential to
enhance the category awareness capability, thereby improving the selection of
wavelet basis. Therefore, we propose a category representation mechanism (CRM),
which enables the network to extract and represent category features without
increasing trainable parameters. Furthermore, CRM transforms the common fully
connected network into category representations, which provide closer
supervision to the feature extractor than the far and trivial one-hot
classification labels. We call this process of imposing interpretability on a
network and using it to supervise the feature extractor the feature supervision
mechanism, and its effectiveness is demonstrated experimentally and
theoretically in this paper. The enhanced inertial signal can perform
impracticable tasks with regard to the original signal, such as trajectory
reconstruction. Both quantitative and visual results show that WDSNet
outperforms the existing methods. Remarkably, WDSNet, as a weakly-supervised
method, achieves the state-of-the-art performance of all the compared
fully-supervised methods.
- Abstract（参考訳）: 姿勢や動きを感知するコンポーネントとして、慣性センサーは様々な携帯機器で広く使われている。
しかし、慣性センサーの過酷なエラーは、特に軌道回復と意味認識の機能を阻害する。
主流信号処理法として、ウェーブレット基底関数が豊富で多様なため、ウェーブレットは信号の数学的顕微鏡として評価される。
しかし、慣性センサの複雑なノイズタイプと応用シナリオにより、ウェーブレットベースパープレキシングが選択される。
本研究では,可変慣性信号に対して適切なウェーブレット基底をインテリジェントに選択するウェーブレット動的選択ネットワーク(wdsnet)を提案する。
さらに、既存のディープラーニングアーキテクチャは、入力データから特徴を抽出する上で優れているが、カテゴリ認識能力の向上に不可欠である対象カテゴリの特徴を学習することを無視し、ウェーブレットベースの選択を改善する。
そこで本研究では,トレーニング可能なパラメータを増やすことなく,カテゴリの特徴を抽出し,表現できるカテゴリ表現機構を提案する。
さらにcrmは、共通の完全連結ネットワークをカテゴリ表現に変換し、遠方かつ自明な1つのホットな分類ラベルよりも特徴抽出器を注意深く監視する。
本稿では,ネットワーク上で解釈可能性を設定し,特徴抽出器の特徴監督機構を監督するプロセスと呼び,その効果を実験的・理論的に実証する。
拡張された慣性信号は、軌道再構成などの元の信号に関して実行不能なタスクを実行できる。
定量的およびビジュアルな結果は、WDSNetが既存の手法より優れていることを示している。
注目すべきは、WDSNetは弱教師付き手法として、比較された全教師付き手法の最先端性能を達成することである。
関連論文リスト
- Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。
我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
論文 参考訳（メタデータ） (2024-07-18T04:36:10Z) - HGFF: A Deep Reinforcement Learning Framework for Lifetime Maximization in Wireless Sensor Networks [5.4894758104028245]
深部強化学習とヘテロジニアスグラフニューラルネットワークを組み合わせた新しいフレームワークを提案し,シンクの移動経路を自動構築する。
実世界の異なる無線センサネットワークをシミュレートする静的マップと動的マップを10種類設計する。
我々のアプローチは、あらゆる種類の地図において、既存の手法よりも一貫して優れています。
論文 参考訳（メタデータ） (2024-04-11T13:09:11Z) - Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳（メタデータ） (2023-12-08T13:50:30Z) - Improved Static Hand Gesture Classification on Deep Convolutional Neural
Networks using Novel Sterile Training Technique [2.534406146337704]
非接触手ポーズと静的ジェスチャー認識は多くのアプリケーションで注目されている。
本稿では, ステレオ画像の導入により, 効率的なデータ収集手法と深部CNN訓練手法を提案する。
提案されたデータ収集とトレーニング手法を適用すると、静的ハンドジェスチャの分類率が85%から93%に向上する。
論文 参考訳（メタデータ） (2023-05-03T11:10:50Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Hierarchical Spherical CNNs with Lifting-based Adaptive Wavelets for
Pooling and Unpooling [101.72318949104627]
本稿では, 階層型畳み込みニューラルネットワーク(HS-CNN)の新たな枠組みを提案し, プールやアンプールのための適応球面ウェーブレットを学習する。
LiftHS-CNNは、画像レベルのタスクとピクセルレベルのタスクの両方において、より効率的な階層的特徴学習を実現する。
論文 参考訳（メタデータ） (2022-05-31T07:23:42Z) - Classification of Intra-Pulse Modulation of Radar Signals by Feature
Fusion Based Convolutional Neural Networks [5.199765487172328]
本研究では、パルス内変調型レーダ信号を自動的に認識するディープラーニングに基づく新しい手法を提案する。
提案するFF-CNN技術は,現在の最先端技術よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-05-19T20:18:17Z) - Multi-task Learning Approach for Modulation and Wireless Signal
Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。
我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。
公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
論文 参考訳（メタデータ） (2022-02-26T14:51:02Z) - MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。
我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。
重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文 参考訳（メタデータ） (2021-07-22T03:10:51Z) - ChaRRNets: Channel Robust Representation Networks for RF Fingerprinting [0.0]
RFフィンガープリントのための複雑値畳み込みニューラルネットワーク(CNN)を提案する。
我々は,深層学習(dl)技術を用いた無線iotデバイスの指紋認証の問題に注目する。
論文 参考訳（メタデータ） (2021-05-08T03:03:21Z) - Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。
このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。
提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文 参考訳（メタデータ） (2020-02-14T06:58:27Z)
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。