論文の概要: SGSM: A Foundation-model-like Semi-generalist Sensing Model

• arxiv url: http://arxiv.org/abs/2406.16933v1
• Date: Sat, 15 Jun 2024 09:20:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-01 06:31:46.707814
• Title: SGSM: A Foundation-model-like Semi-generalist Sensing Model
• Title（参考訳）: SGSM: ファンデーションモデルのようなセミジェネリストセンシングモデル
• Authors: Tianjian Yang, Hao Zhou, Shuo Liu, Kaiwen Guo, Yiwen Hou, Haohua Du, Zhi Liu, Xiang-Yang Li,
• Abstract要約: 我々はセミジェネリストセンシングモデル(S GSM)と呼ばれる新しいセンシングモデルを提案する。 S GSMは従来のシステムに比べてタスク固有のラベル付きデータが少ないため、様々なタスクを半自動で解くことができる。 既存のセンサモデルにS GSMを適用する場合、Wi-Fi評価は20%の精度向上を示す。
• 参考スコア（独自算出の注目度）: 24.213169025546396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The significance of intelligent sensing systems is growing in the realm of smart services. These systems extract relevant signal features and generate informative representations for particular tasks. However, building the feature extraction component for such systems requires extensive domain-specific expertise or data. The exceptionally rapid development of foundation models is likely to usher in newfound abilities in such intelligent sensing. We propose a new scheme for sensing model, which we refer to as semi-generalist sensing model (SGSM). SGSM is able to semiautomatically solve various tasks using relatively less task-specific labeled data compared to traditional systems. Built through the analysis of the common theoretical model, SGSM can depict different modalities, such as the acoustic and Wi-Fi signal. Experimental results on such two heterogeneous sensors illustrate that SGSM functions across a wide range of scenarios, thereby establishing its broad applicability. In some cases, SGSM even achieves better performance than sensor-specific specialized solutions. Wi-Fi evaluations indicate a 20\% accuracy improvement when applying SGSM to an existing sensing model.
• Abstract（参考訳）: インテリジェントなセンシングシステムの重要性は、スマートサービスの領域で増大している。 これらのシステムは、関連する信号の特徴を抽出し、特定のタスクに対する情報表現を生成する。 しかし、そのようなシステムのための機能抽出コンポーネントを構築するには、広範なドメイン固有の専門知識やデータが必要である。 ファンデーションモデルの非常に急速な開発は、そのようなインテリジェントなセンシングにおける新しい知能を後押しする可能性が高い。 本稿では,セミジェネリストセンシングモデル(SGSM)と呼ばれる新しいセンシングモデルを提案する。 SGSMは従来のシステムに比べてタスク固有のラベル付きデータが少ないため、様々なタスクを半自動で解くことができる。 一般的な理論モデルの解析を通じて構築されたSGSMは、音響信号やWi-Fi信号など、様々なモダリティを表現できる。 このような2つの異種センサの実験結果から、SGSMは幅広いシナリオで機能し、広い適用性を確立することが示されている。 一部のケースでは、SGSMはセンサー固有の特殊なソリューションよりも優れたパフォーマンスを実現している。 既存のセンサモデルにSGSMを適用する場合、Wi-Fi評価は20倍の精度向上を示す。

関連論文リスト

• Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [65.23793829741014]
  Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。 コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。 Embodied-RAGがRAGをロボット領域に効果的にブリッジし、200以上の説明とナビゲーションクエリをうまく処理できることを実証する。
  論文  参考訳（メタデータ） (2024-09-26T21:44:11Z)
• SpGesture: Source-Free Domain-adaptive sEMG-based Gesture Recognition with Jaccard Attentive Spiking Neural Network [18.954398018873682]
  表面筋電図(sEMG)に基づくジェスチャー認識は、ウェアラブルデバイスに対して自然な、直感的な相互作用のモダリティを提供する。 既存の手法は、しばしば高い計算遅延とエネルギー消費の増大に悩まされる。 スパイキングニューラルネットワークに基づく新しいSpGestureフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-23T10:15:29Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• 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)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• 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)
• Bayesian Imitation Learning for End-to-End Mobile Manipulation [80.47771322489422]
  RGB + 深度カメラのような追加のセンサー入力によるポリシーの強化は、ロボットの知覚能力を改善するための簡単なアプローチである。 畳み込みニューラルネットワークを正規化するために変分情報ボトルネックを用いることで、保持領域への一般化が向上することを示す。 提案手法は, シミュレーションと現実のギャップを埋めることと, RGBと奥行き変調をうまく融合できることを実証する。
  論文  参考訳（メタデータ） (2022-02-15T17:38:30Z)
• MaxRay: A Raytracing-based Integrated Sensing and Communication Framework [1.987679171685994]
  ISAC(Integrated Sensing and Communication)は、コミュニケーションの必要性と生産性向上の必要性の間に共生を形成する。 IACフレームワークであるMaxRayを導入し、コミュニケーション、センシング、追加の感覚を共同でシミュレートする。
  論文  参考訳（メタデータ） (2021-12-03T07:17:39Z)
• SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
  センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。 動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。 評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-04T23:06:56Z)
• Mutual Information for Explainable Deep Learning of Multiscale Systems [1.1470070927586016]
  我々はモデルに依存しないモーメント非依存グローバル感度分析(GSA)を開発した。 GSAは、QoIに対するCVの影響をランク付けするために、異なる相互情報に依存している。 我々は,サロゲート駆動型相互情報GSAが,エネルギー貯蔵に関心のある2つの応用について,有用かつ識別可能なランキングを提供することを示した。
  論文  参考訳（メタデータ） (2020-09-07T18:26:21Z)

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。