論文の概要: Wavelet Attention GRU for Efficient Industrial Gas Recognition with Novel Metrics

• arxiv url: http://arxiv.org/abs/2406.16997v1
• Date: Mon, 24 Jun 2024 10:05:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-26 18:50:40.682873
• Title: Wavelet Attention GRU for Efficient Industrial Gas Recognition with Novel Metrics
• Title（参考訳）: ウェーブレット注意GRUによる高効率産業ガス認識
• Authors: Ding Wang,
• Abstract要約: 我々はウェーブレットアテンション機構に基づくウェーブレットアテンションGRU(WAG)と呼ばれる新しいモデルを提案する。 WAGは、認証精度98.33%を取得しながら、75%に必要なセンサーの数を著しく減少させる。 これは、WAGがガス認識アルゴリズムの進歩の潜在的アプローチであることを示している。
• 参考スコア（独自算出の注目度）: 11.153531552888612
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gas recognition technology has received considerable attention from researchers in recent years. Nevertheless, the gas recognition area has faced obstacles in implementing deep learning-based recognition solutions due to the absence of standardized protocols. To tackle this problem, we suggest using two sets of specialized evaluation measures for gas recognition algorithms. These metrics will make it easier to examine the performance of these algorithms on various datasets. In addition, we provide a new model called the Wavelet Attention GRU (WAG), which is based on the wavelet attention mechanism. This method facilitates the more efficient retrieval of sensor signals. Compared to other models, WAG significantly decreases the number of sensors needed by 75% while obtaining an identification accuracy of 98.33%. This suggests that WAG is a potential approach for advancing gas recognition algorithms.
• Abstract（参考訳）: 近年、ガス認識技術は研究者からかなりの注目を集めている。 それにもかかわらず、ガス認識領域は、標準化されたプロトコルが存在しないため、ディープラーニングベースの認識ソリューションの実装において障害に直面している。 この問題に対処するために,ガス認識アルゴリズムの特殊評価手法を2セット使用することを提案する。 これらのメトリクスにより、さまざまなデータセット上でこれらのアルゴリズムのパフォーマンスを調べるのがより簡単になる。 さらに、ウェーブレットアテンション機構に基づいた、ウェーブレットアテンションGRU(WAG)と呼ばれる新しいモデルを提案する。 この方法はセンサ信号のより効率的な検索を容易にする。 他のモデルと比較して、WAGは、識別精度98.33%を取得しながら、75%に必要なセンサーの数を著しく減少させる。 これは、WAGがガス認識アルゴリズムの進歩の潜在的アプローチであることを示している。

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)
• YOLO algorithm with hybrid attention feature pyramid network for solder joint defect detection [7.532914828624349]
  ハンダジョイント欠陥の従来の手動検出は、工業生産においてもはや適用されない。 低い精度、高い偽検出率、計算コストの問題に対処する新しい手法が提案されている。
  論文  参考訳（メタデータ） (2024-01-02T14:04:42Z)
• DGSD: Dynamical Graph Self-Distillation for EEG-Based Auditory Spatial Attention Detection [49.196182908826565]
  AAD(Auditory Attention Detection)は、マルチスピーカー環境で脳信号からターゲット話者を検出することを目的としている。 現在のアプローチは主に、画像のようなユークリッドデータを処理するために設計された従来の畳み込みニューラルネットワークに依存している。 本稿では、入力として音声刺激を必要としないAADのための動的グラフ自己蒸留(DGSD)手法を提案する。
  論文  参考訳（メタデータ） (2023-09-07T13:43:46Z)
• Deep Unfolded Simulated Bifurcation for Massive MIMO Signal Detection [7.969977930633441]
  深層学習技術と量子(インスパイアされた)アルゴリズムに基づく様々な信号検出器が提案され,検出性能が向上した。 本稿では、量子インスパイアされたアルゴリズムであるシミュレート・バイフルケーション(SB)アルゴリズムに焦点を当てる。
  論文  参考訳（メタデータ） (2023-06-28T14:46:55Z)
• Agile gesture recognition for capacitive sensing devices: adapting on-the-job [55.40855017016652]
  本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。 コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。 機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
  論文  参考訳（メタデータ） (2023-05-12T17:24:02Z)
• Deep Residual Shrinkage Networks for EMG-based Gesture Identification [3.44147643982055]
  ジェスチャー識別を行うために,新たに開発されたディープ・ラーニング手法,すなわちディープ・リザーブ・ストレッサージ・ネットワークを適用した。 3つの異なるアルゴリズムを用いて、EMG信号認識の精度とDRSNの精度を比較する。 その結果,DRSNはEMG認識精度の点で従来のニューラルネットワークより優れていることがわかった。
  論文  参考訳（メタデータ） (2022-02-07T07:37:15Z)
• Source-Agnostic Gravitational-Wave Detection with Recurrent Autoencoders [0.0]
  本稿では, レーザ干渉計における重力波信号検出問題に対する, ディープリカレントオートエンコーダに基づく異常検出手法の適用について述べる。 ノイズデータに基づいて訓練されたこのアルゴリズムは、特定の種類のソースを標的にすることなく、教師なしの戦略を用いて信号を検出することができる。
  論文  参考訳（メタデータ） (2021-07-27T09:56:49Z)
• Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
  SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。 ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2021-03-08T10:56:38Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Detection of gravitational-wave signals from binary neutron star mergers using machine learning [52.77024349608834]
  本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。 信号対雑音比が25未満の信号に対する感度は6因子改善した。 保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
  論文  参考訳（メタデータ） (2020-06-02T10:20:11Z)
• A Performance Comparison of Data Mining Algorithms Based Intrusion Detection System for Smart Grid [0.6445605125467573]
  侵入検知システム(IDS)は,スマートグリッドネットワークの確保と悪意ある活動の検出において重要な役割を担っている。 本稿では、IDSがSmart Gridで使用している4つのデータマイニングアルゴリズムの概要について述べる。 その結果、ランダムフォレストは他の3つのアルゴリズムよりも高い検出確率、誤報の確率、誤報の確率、誤検知の確率、高い精度で攻撃を検出できることがわかった。
  論文  参考訳（メタデータ） (2019-12-31T20:48:13Z)

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。