論文の概要: A Phone-based Distributed Ambient Temperature Measurement System with An Efficient Label-free Automated Training Strategy
- arxiv url: http://arxiv.org/abs/2404.10401v1
- Date: Tue, 16 Apr 2024 09:03:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-17 17:23:31.001911
- Title: A Phone-based Distributed Ambient Temperature Measurement System with An Efficient Label-free Automated Training Strategy
- Title(参考訳): 効率的なラベレス自動訓練戦略を用いた携帯電話による分散型環境温度測定システム
- Authors: Dayin Chen, Xiaodan Shi, Haoran Zhang, Xuan Song, Dongxiao Zhang, Yuntian Chen, Jinyue Yan,
- Abstract要約: 本研究では,携帯電話を用いた環境温度推定システムを提案する。
新たに追加されたスマートフォンごとに新しい推定モデルをトレーニングするための、安全で効率的で費用対効果の高いトレーニング戦略を提供する。
クラウドソーシングにより,新たに収集したすべてのデータに対して,正確な推測ラベルが自動的に提供される。
- 参考スコア(独自算出の注目度): 15.68699858395261
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enhancing the energy efficiency of buildings significantly relies on monitoring indoor ambient temperature. The potential limitations of conventional temperature measurement techniques, together with the omnipresence of smartphones, have redirected researchers' attention towards the exploration of phone-based ambient temperature estimation technology. Nevertheless, numerous obstacles remain to be addressed in order to achieve a practical implementation of this technology. This study proposes a distributed phone-based ambient temperature estimation system which enables collaboration between multiple phones to accurately measure the ambient temperature in each small area of an indoor space. Besides, it offers a secure, efficient, and cost-effective training strategy to train a new estimation model for each newly added phone, eliminating the need for manual collection of labeled data. This innovative training strategy can yield a high-performing estimation model for a new phone with just 5 data points, requiring only a few iterations. Meanwhile, by crowdsourcing, our system automatically provides accurate inferred labels for all newly collected data. We also highlight the potential of integrating federated learning into our system to ensure privacy protection at the end of this study. We believe this study has the potential to advance the practical application of phone-based ambient temperature measurement, facilitating energy-saving efforts in buildings.
- Abstract(参考訳): 建物のエネルギー効率の向上は、屋内の環境温度のモニタリングに大きく依存している。
従来の温度測定技術の潜在的な限界は、スマートフォンの非存在とともに、携帯電話による環境温度推定技術の探究に研究者の注意を向けている。
それでも、この技術の実用的な実装を実現するために、多くの障害に対処する必要がある。
本研究では,屋内空間の各小面積における環境温度を正確に測定する分散電話を用いた環境温度推定システムを提案する。
さらに、新たに追加された携帯電話ごとに新しい推定モデルをトレーニングするための、安全で効率的で費用効率のよいトレーニング戦略を提供しており、ラベル付きデータの手作業による収集は不要である。
この革新的なトレーニング戦略は、5つのデータポイントしか持たない新機種の高性能な推定モデルが得られる。
一方,クラウドソーシングにより,新たに収集したすべてのデータに対して,正確な推測ラベルが自動的に提供される。
また,本研究の終了時に,フェデレーション学習をシステムに統合し,プライバシ保護を確保する可能性についても強調する。
本研究は,電話による環境温度測定の実用化を推進し,ビルの省エネ活動を促進する可能性があると考えている。
関連論文リスト
- Machine Learning-Assisted Thermoelectric Cooling for On-Demand Multi-Hotspot Thermal Management [12.515874333424929]
本稿では,大域的最適温度を達成できる熱電冷却器(TEC)の機械学習支援最適化アルゴリズムを提案する。
開始モジュールを持つ畳み込みニューラルネットワーク(CNN)を訓練し、システムの基盤となる熱-電気物理の結合を理解する。
我々のアルゴリズムは、平均1.07秒で地球規模の最適温度と対応するTECアレイ制御を提供することができる。
論文 参考訳(メタデータ) (2024-04-20T18:35:45Z) - Federated Learning for 6G: Paradigms, Taxonomy, Recent Advances and
Insights [52.024964564408]
本稿では,プロトコルスタックのすべてのレベルにわたってフェデレートラーニングを実装することの付加価値について検討する。
それは重要なFLアプリケーションを示し、ホットトピックに対処し、将来の研究と開発のための貴重な洞察と明示的なガイダンスを提供します。
我々の結論は、FLと将来の6Gの相乗効果を活用しつつ、FLがワイヤレス産業に革命をもたらす可能性を浮き彫りにすることを目的としています。
論文 参考訳(メタデータ) (2023-12-07T20:39:57Z) - Hybrid Transformer-RNN Architecture for Household Occupancy Detection
Using Low-Resolution Smart Meter Data [8.486902848941872]
エネルギーシステムのデジタル化は、非侵襲的な方法で占有検知に使用できるスマートメーターデータを提供する。
ディープラーニング技術により、低解像度のスマートメーターデータから占有率を推定できる。
本研究は, 住宅の占有状況を検出するための, プライバシ意識と効果的なモデルを開発することを目的としている。
論文 参考訳(メタデータ) (2023-08-27T14:13:29Z) - Autonomous Payload Thermal Control [65.268245109828]
提案するフレームワークは,運用範囲の温度を維持するためにペイロード処理能力の制御を学べる。
このフレームワークは将来のIMAGIN-eミッションで出荷され、ISSでホストされる。
論文 参考訳(メタデータ) (2023-07-28T09:40:19Z) - Development, Optimization, and Deployment of Thermal Forward Vision
Systems for Advance Vehicular Applications on Edge Devices [0.3058685580689604]
我々は、エンドツーエンドのYOLO深層学習フレームワークを用いたスマートフォワードセンシングシステムとして、熱的小型YOLO多クラスオブジェクト検出(TTYMOD)システムを提案する。
このシステムは大規模な熱機関で訓練され、35,000以上の異なる熱フレームからなる新たなオープンソースデータセットが新たに集められている。
温度調整されたナノネットワークの有効性を、平均精度、秒間フレーム、平均推定時間を含む様々な定性的指標を用いて定量化する。
論文 参考訳(メタデータ) (2023-01-18T15:45:33Z) - Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。
デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。
本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
論文 参考訳(メタデータ) (2022-09-01T03:27:33Z) - Machine Learning-Based Automated Thermal Comfort Prediction: Integration
of Low-Cost Thermal and Visual Cameras for Higher Accuracy [3.2872586139884623]
利用者の快適さに関するデータを提供するためには,リアルタイムフィードバックシステムが必要である。
非侵襲型サーマルスキャンに対して、より包括的視点をもたらすためには、新しいソリューションが必要である。
論文 参考訳(メタデータ) (2022-04-14T15:30:16Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳(メタデータ) (2021-10-07T02:28:18Z) - To Talk or to Work: Flexible Communication Compression for Energy
Efficient Federated Learning over Heterogeneous Mobile Edge Devices [78.38046945665538]
巨大なモバイルエッジデバイス上でのフェデレーション学習(FL)は、多数のインテリジェントなモバイルアプリケーションのための新たな地平を開く。
FLは、定期的なグローバル同期と継続的なローカルトレーニングにより、参加するデバイスに膨大な通信と計算負荷を課す。
フレキシブルな通信圧縮を可能にする収束保証FLアルゴリズムを開発。
論文 参考訳(メタデータ) (2020-12-22T02:54:18Z) - Appliance-Level Monitoring with Micro-Moment Smart Plugs [2.294014185517203]
大規模マルチアプライアンスエネルギー効率プログラムの一環として,マイクロモーメントベースのスマートプラグシステムを提案する。
プラグはホームオートメーション機能も備えている。
現在の実装結果から,提案システムではコスト効率の高いデプロイメントが実現されている。
論文 参考訳(メタデータ) (2020-12-10T16:22:40Z) - Energy Drain of the Object Detection Processing Pipeline for Mobile
Devices: Analysis and Implications [77.00418462388525]
本稿では、移動体拡張現実(AR)クライアントのエネルギー消費と、畳み込みニューラルネットワーク(CNN)に基づく物体検出を行う際の検出遅延について、初めて詳細な実験を行った。
我々は,移動体ARクライアントのエネルギー分析を精査し,CNNによる物体検出を行う際のエネルギー消費に関するいくつかの興味深い視点を明らかにした。
論文 参考訳(メタデータ) (2020-11-26T00:32:07Z)
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。