論文の概要: Adaptive Sensor Placement Inspired by Bee Foraging: Towards Efficient Environment Monitoring
- arxiv url: http://arxiv.org/abs/2411.15159v1
- Date: Fri, 08 Nov 2024 22:24:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-01 05:11:04.747555
- Title: Adaptive Sensor Placement Inspired by Bee Foraging: Towards Efficient Environment Monitoring
- Title(参考訳): 養蜂による適応型センサ配置:効率的な環境モニタリングを目指して
- Authors: Sai Krishna Reddy Sathi,
- Abstract要約: 我々は,適応型センサ配置を最適化するために,ABC(Artificial Bee Colony)とLevi Flightを組み合わせたハイブリッドアルゴリズムを提案した。
調査と利用の促進により,本手法は重要なホットスポットの同定を著しく改善する。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: This paper aims to make a mark in the future of sustainable robotics, where efficient algorithms are required to carry out tasks like environmental monitoring and precision agriculture efficiently. We proposed a hybrid algorithm that combines Artificial Bee Colony (ABC) with Levy flight to optimize adaptive sensor placement alongside an important notion of hotspots from domain knowledge experts. By enhancing exploration and exploitation, our approach significantly improves the identification of critical hotspots. This algorithm also finds its usecases for broader search and rescue operations applications, demonstrating its potential in optimization problems across various domains.
- Abstract(参考訳): 本稿では,環境モニタリングや精密農業などのタスクを効率的に行うために効率的なアルゴリズムを必要とする,持続可能なロボティクスの将来像を示すことを目的とする。
我々は,Artificial Bee Colony(ABC)とLevi Flightを組み合わせたハイブリッドアルゴリズムを提案し,適応型センサ配置を最適化し,ドメイン知識の専門家によるホットスポットの重要概念と組み合わせた。
調査と利用の促進により,本手法は重要なホットスポットの同定を著しく改善する。
このアルゴリズムはまた、より広範な探索・救助運用アプリケーションのためのユースケースを見つけ、様々な領域にわたる最適化問題の可能性を実証している。
関連論文リスト
- Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。
今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。
タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
論文 参考訳(メタデータ) (2025-01-11T02:32:42Z) - Synergistic Development of Perovskite Memristors and Algorithms for Robust Analog Computing [53.77822620185878]
本稿では,ペロブスカイト・メムリスタの製作を同時に最適化し,ロバストなアナログDNNを開発するための相乗的手法を提案する。
BO誘導ノイズインジェクションを利用したトレーニング戦略であるBayesMultiを開発した。
我々の統合されたアプローチは、より深くより広いネットワークでのアナログコンピューティングの使用を可能にし、最大100倍の改善を実現します。
論文 参考訳(メタデータ) (2024-12-03T19:20:08Z) - Evolutionary Greedy Algorithm for Optimal Sensor Placement Problem in Urban Sewage Surveillance [6.133464220178637]
本稿では,大規模有向ネットワークの効率的かつ効率的な最適化を実現するために,新しい進化的欲求アルゴリズム(EG)を提案する。
提案手法は,香港の小規模合成ネットワークと大規模実世界の下水ネットワークの両方で評価される。
論文 参考訳(メタデータ) (2024-09-25T09:27:51Z) - Evolutionary Algorithms for Optimizing Emergency Exit Placement in Indoor Environments [0.0]
セルラーオートマトンモデルを用いて歩行者の挙動をシミュレートする。
避難がどの程度成功したか、満足できるかを決定するための計量が提案されている。
2つのメタヒューリスティックアルゴリズム、すなわち反復グリーディと進化的アルゴリズム(EA)がこの問題を解決するために提案されている。
論文 参考訳(メタデータ) (2024-05-28T16:50:42Z) - Improving Point-based Crowd Counting and Localization Based on Auxiliary Point Guidance [59.71186244597394]
本稿では,提案手法における提案対象マッチングの安定化に有効な手法を提案する。
本稿では,提案手法の選択と最適化のために,Auxiliary Point Guidance (APG)を提案する。
また,多様な群集シナリオにおける適応的特徴抽出を可能にするために,IFI(Implicit Feature Interpolation)を開発した。
論文 参考訳(メタデータ) (2024-05-17T07:23:27Z) - Grey-box Bayesian Optimization for Sensor Placement in Assisted Living
Environments [1.2093182949686778]
任意の屋内空間に高品質なセンサを配置する手法を提案する。
我々の重要な技術的貢献は、活動の空間分布に関するドメイン固有の知識を捉えることである。
論文 参考訳(メタデータ) (2023-09-11T19:31:14Z) - Learning Regions of Interest for Bayesian Optimization with Adaptive
Level-Set Estimation [84.0621253654014]
本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。
理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
論文 参考訳(メタデータ) (2023-07-25T09:45:47Z) - A Real-time Human Pose Estimation Approach for Optimal Sensor Placement
in Sensor-based Human Activity Recognition [63.26015736148707]
本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。
得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。
本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
論文 参考訳(メタデータ) (2023-07-06T10:38:14Z) - Adaptive Real Time Exploration and Optimization for Safety-Critical
Systems [0.0]
安全制約を考慮したプログラミング問題として,マルチアームバンディットを用いたARTEOアルゴリズムを提案する。
最適化入力の変化と探索を通して環境特性を学習する。
既存のセーフラーニング手法と比較して、我々のアルゴリズムは排他的な探索フェーズを必要とせず、探索点においても最適化目標に従う。
論文 参考訳(メタデータ) (2022-11-10T11:37:22Z) - Adaptive Subsampling for ROI-based Visual Tracking: Algorithms and FPGA
Implementation [16.114903235867136]
我々は、将来のフレームにROIがどこにあるかを予測することによって、アプリケーションを追跡するためにROIのプログラマビリティをどのように活用するかを検討する。
適応サブサンプリングアルゴリズムは、物体検出器と、視覚パイプラインのエネルギー効率を最適化するために協調して動作するROI予測器(カルマンフィルタ)から構成される。
精度とレイテンシのトレードオフに関して、ECOベースのアルゴリズムは、ほぼリアルタイムのパフォーマンス(19.23 FPS)を提供しながら、競合する追跡精度を実現する。
論文 参考訳(メタデータ) (2021-12-17T21:38:30Z) - Energy Aware Deep Reinforcement Learning Scheduling for Sensors
Correlated in Time and Space [62.39318039798564]
相関情報を利用するスケジューリング機構を提案する。
提案したメカニズムは、センサが更新を送信する頻度を決定することができる。
我々は,センサの寿命を大幅に延長できることを示した。
論文 参考訳(メタデータ) (2020-11-19T09:53:27Z)
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。