論文の概要: Uncertainty-Aware Calibration of a Hot-Wire Anemometer With Gaussian Process Regression

• arxiv url: http://arxiv.org/abs/2401.09492v1
• Date: Tue, 16 Jan 2024 22:01:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 18:54:55.205364
• Title: Uncertainty-Aware Calibration of a Hot-Wire Anemometer With Gaussian Process Regression
• Title（参考訳）: ガウス過程回帰による熱線式電界計の不確かさの校正
• Authors: Rub\'en Antonio Garc\'ia-Ruiz, Jos\'e Luis Blanco-Claraco, Javier L\'opez-Mart\'inez, \'Angel Jes\'us Callej\'on-Ferre
• Abstract要約: 本研究の目的は、空気温度の変化による低コストのホットワイヤ式アニメーターの精度の低下を克服することである。 空気温度を考慮した熱線式風速計の校正を行うことにより、風速を典型的な環境温度の範囲で推定することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Expensive ultrasonic anemometers are usually required to measure wind speed accurately. The aim of this work is to overcome the loss of accuracy of a low cost hot-wire anemometer caused by the changes of air temperature, by means of a probabilistic calibration using Gaussian Process Regression. Gaussian Process Regression is a non-parametric, Bayesian, and supervised learning method designed to make predictions of an unknown target variable as a function of one or more known input variables. Our approach is validated against real datasets, obtaining a good performance in inferring the actual wind speed values. By performing, before its real use in the field, a calibration of the hot-wire anemometer taking into account air temperature, permits that the wind speed can be estimated for the typical range of ambient temperatures, including a grounded uncertainty estimation for each speed measure.
• Abstract（参考訳）: 風速を正確に測定するためには、超音波計が必要とされる。 本研究の目的は、ガウス過程回帰を用いた確率的キャリブレーションにより、空気温度の変化による低コストの熱電線計の精度の低下を克服することである。 ガウス過程回帰(英: Gaussian Process Regression)は、1つ以上の既知の入力変数の関数として未知のターゲット変数の予測を行うように設計された非パラメトリック、ベイズ的、教師付き学習法である。 このアプローチは実際のデータセットに対して検証され、実際の風速値を推測する優れた性能が得られる。 現場での実際の使用前に、空気温度を考慮した熱線電離計の校正を行うことにより、風速を各速度測定の接地不確実性推定を含む典型的な環境温度範囲で推定することができる。

関連論文リスト

• Calibrating Language Models with Adaptive Temperature Scaling [58.056023173579625]
  本稿では,各トークンの温度スケーリングパラメータを予測するポストホックキャリブレーション法であるAdaptive Temperature Scaling (ATS)を紹介する。 ATSは、以前のキャリブレーション法と比較して、3つの下流自然言語評価ベンチマークで10-50%以上のキャリブレーションを改善する。
  論文  参考訳（メタデータ） (2024-09-29T22:54:31Z)
• Sharp Calibrated Gaussian Processes [58.94710279601622]
  キャリブレーションされたモデルを設計するための最先端のアプローチは、ガウス過程の後方分散を膨らませることに依存している。 本稿では,バニラガウス過程の後方分散にインスパイアされた計算を用いて,予測量子化を生成するキャリブレーション手法を提案する。 我々のアプローチは合理的な仮定の下で校正されたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:17:36Z)
• Sample-dependent Adaptive Temperature Scaling for Improved Calibration [95.7477042886242]
  ニューラルネットワークの誤りを補うポストホックアプローチは、温度スケーリングを実行することだ。 入力毎に異なる温度値を予測し、信頼度と精度のミスマッチを調整することを提案する。 CIFAR10/100およびTiny-ImageNetデータセットを用いて,ResNet50およびWideResNet28-10アーキテクチャ上で本手法をテストする。
  論文  参考訳（メタデータ） (2022-07-13T14:13:49Z)
• Optimal cold atom thermometry using adaptive Bayesian strategies [0.0]
  本研究では,冷間原子温度推定の性能を大幅に向上させる適応型ベイズフレームワークを提案する。 従来の手法とは異なり,提案手法は非形式的データの取得と処理を体系的に回避する。 特に測定されたデータが不十分でノイズの多い場合には、より信頼性の高い見積もりを作成できます。
  論文  参考訳（メタデータ） (2022-04-25T17:48:03Z)
• Uninformed Bayesian Quantum Thermometry [0.0]
  熱測定に対するベイズ的アプローチについて,予想される温度スケールについて事前の知識がないまま検討する。 相対偏差の最適化に基づく2つの新しい推定器を提案する。
  論文  参考訳（メタデータ） (2021-08-16T11:39:01Z)
• Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
  我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。 最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。 当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2021-02-24T10:18:30Z)
• Adiabatic Sensing Technique for Optimal Temperature Estimation using Trapped Ions [64.31011847952006]
  捕捉イオンを用いた最適なフォノン温度推定のための断熱法を提案する。 フォノンの熱分布に関する関連する情報は、スピンの集合的な自由度に伝達することができる。 それぞれの熱状態確率は、各スピン励起構成に近似的にマッピングされることを示す。
  論文  参考訳（メタデータ） (2020-12-16T12:58:08Z)
• Global Quantum Thermometry [0.0]
  我々は、測定データが少ない場合や、十分な事前知識が得られていない場合の温度を推定するために、地球規模の量子温度測定の理論を構築した。 スケーリングの議論に基づいて、平均対数誤差が温度測定の正解であることを示す。 これらの結果は、スピンガスの測定結果のシミュレーション結果に適用し、局所的なアプローチが温度推定に偏りをもたらすことを確かめる。
  論文  参考訳（メタデータ） (2020-11-25T20:53:44Z)
• Physics-Informed Gaussian Process Regression for Probabilistic States Estimation and Forecasting in Power Grids [67.72249211312723]
  電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。 PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。 提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
  論文  参考訳（メタデータ） (2020-10-09T14:18:31Z)

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。