論文の概要: CCS: Continuous Learning for Customized Incremental Wireless Sensing Services

• arxiv url: http://arxiv.org/abs/2412.04821v1
• Date: Fri, 06 Dec 2024 07:29:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-09 15:55:38.856619
• Title: CCS: Continuous Learning for Customized Incremental Wireless Sensing Services
• Title（参考訳）: CCS: カスタマイズされたインクリメンタルワイヤレスセンシングサービスのための継続的学習
• Authors: Qunhang Fu, Fei Wang, Mengdie Zhu, Han Ding, Jinsong Han, Tony Xiao Han,
• Abstract要約: CCS(Continuous customd service)は、サービスプロバイダにデータを送信することなく、ユーザのローカルコンピューティングリソースのモデル更新を可能にする。 我々は,Wi-Fi,ミリ波レーダ,RFIDモダリティを用いた大規模XRF55データセットの実験を行った。
• 参考スコア（独自算出の注目度）: 10.92509552298299
• License:
• Abstract: Wireless sensing has made significant progress in tasks ranging from action recognition, vital sign estimation, pose estimation, etc. After over a decade of work, wireless sensing currently stands at the tipping point transitioning from proof-of-concept systems to the large-scale deployment. We envision a future service scenario where wireless sensing service providers distribute sensing models to users. During usage, users might request new sensing capabilities. For example, if someone is away from home on a business trip or vacation for an extended period, they may want a new sensing capability that can detect falls in elderly parents or grandparents and promptly alert them. In this paper, we propose CCS (continuous customized service), enabling model updates on users' local computing resources without data transmission to the service providers. To address the issue of catastrophic forgetting in model updates where updating model parameters to implement new capabilities leads to the loss of existing capabilities we design knowledge distillation and weight alignment modules. These modules enable the sensing model to acquire new capabilities while retaining the existing ones. We conducted extensive experiments on the large-scale XRF55 dataset across Wi-Fi, millimeter-wave radar, and RFID modalities to simulate scenarios where four users sequentially introduced new customized demands. The results affirm that CCS excels in continuous model services across all the above wireless modalities, significantly outperforming existing approaches like OneFi.
• Abstract（参考訳）: ワイヤレスセンシングは、アクション認識、バイタルサイン推定、ポーズ推定など、タスクに大きな進歩をもたらした。 10年以上の作業を経て、ワイヤレスセンシングは現在、概念実証システムから大規模展開への移行点にある。 ワイヤレスセンシングサービスプロバイダがユーザに対してセンシングモデルを配布する,将来的なサービスシナリオを想定する。 使用中は、ユーザーは新しいセンサー機能を要求するかもしれない。 例えば、誰かが長期の出張や休暇で家を出ていない場合、高齢者の両親や祖父母の転倒を検知し、すぐに警告する新しいセンサー機能が必要かもしれない。 本稿では,CCS(Continuous customd service)を提案し,サービス提供者へのデータ送信なしにユーザのローカルコンピューティングリソースのモデル更新を可能にする。 新たな機能を実装するためにモデルパラメータを更新するモデル更新における破滅的な忘れの問題に対処するために、知識蒸留と重み付けモジュールを設計する既存の能力の喪失につながります。 これらのモジュールは、既存のモジュールを保持しながら、センシングモデルが新しい機能を取得することを可能にする。 我々は,Wi-Fi,ミリ波レーダ,RFIDモダリティを用いた大規模XRF55データセットの広範な実験を行った。 その結果、CCSは上記のすべてのワイヤレスモダリティで連続的なモデルサービスに優れており、OneFiのような既存のアプローチよりもはるかに優れています。

関連論文リスト

• LLM Assisted Anomaly Detection Service for Site Reliability Engineers: Enhancing Cloud Infrastructure Resilience [5.644170923282226]
  本稿では,産業時系列データに適した汎用APIを備えたスケーラブルな異常検出サービスを提案する。 サービスの利用パターンに関する洞察を提供しています。年間500人以上のユーザと20万のAPIコールがあります。 時系列基礎モデルを含むシステムを拡張し、ゼロショット異常検出機能を実現する計画である。
  論文  参考訳（メタデータ） (2025-01-28T06:41:37Z)
• Continual Diffuser (CoD): Mastering Continual Offline Reinforcement Learning with Experience Rehearsal [54.93261535899478]
  強化学習のロボット制御のような現実世界の応用では、タスクが変化し、新しいタスクが順次発生する。 この状況は、タスクの変更に適応し、獲得した知識を保持するエージェントを訓練する上で、可塑性-安定トレードオフという新たな課題を生じさせる。 本研究では,連続拡散器(Continuous diffuser,CoD)と呼ばれるリハーサルに基づく連続拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-09-04T08:21:47Z)
• 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)
• WiFi-TCN: Temporal Convolution for Human Interaction Recognition based on WiFi signal [4.0773490083614075]
  近年,Wi-Fiによる人間活動認識が注目されている。 Wi-FiベースのHARにまつわる課題は、シーンや被写体が変化するときのパフォーマンスが著しく低下することである。 本稿では,TN-AAと呼ばれる時間的畳み込みネットワークを利用した新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:37:32Z)
• Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
  テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:39:50Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• Sequential Deep Learning Architectures for Anomaly Detection in Virtual Network Function Chains [0.0]
  サービス機能チェーン(SFC)における仮想ネットワーク機能のための異常検出システム(ADS) 本稿では,チェーン内の時系列パターンと仮想ネットワーク関数(VNF)の逐次パターンを可変長で学習するシーケンシャルディープラーニングモデルを提案する。
  論文  参考訳（メタデータ） (2021-09-29T08:47:57Z)
• SensiX++: Bringing MLOPs and Multi-tenant Model Serving to Sensory Edge Devices [69.1412199244903]
  エッジデバイス上でMLOpsを統合した,適応モデル実行のためのマルチテナントランタイムを提案する。 S SensiX++は、高度にモジュール化されたコンポーネント化と、明確な抽象化によるデータ操作の外部化と、システム全体のオーケストレーションのためのドキュメント中心の宣言という、2つの基本原則で運用されている。 SensiX++のさまざまな自動化コンポーネントの全体的なスループットと定量化メリットについて報告し、運用の複雑さを著しく低減し、エッジデバイスへの組み込みモデルのデプロイ、アップグレード、再構成、提供の労力を削減する効果を実証する。
  論文  参考訳（メタデータ） (2021-09-08T22:06:16Z)
• Computer Vision Aided URLL Communications: Proactive Service Identification and Coexistence [17.623847356925964]
  既存の超信頼性と低遅延(URLL)と強化されたモバイルブロードバンド(eMBB)サービスのサポートは、無線ネットワークにとって重要な課題です。 本論文では,新規なリソース割り当てアルゴリズムを開発するための新しいフレームワークであるtextitservice IDを提案する。 このフレームワークは、ビジュアルデータ(例えばrgbカメラによるキャプチャ)とディープラーニング(例えばディープニューラルネットワーク)に基づいています。
  論文  参考訳（メタデータ） (2021-03-18T17:53:29Z)
• Learning to Continuously Optimize Wireless Resource In Episodically Dynamic Environment [55.91291559442884]
  この研究は、データ駆動型手法が動的環境で継続的に学習し、最適化できる方法論を開発する。 本稿では,無線システム学習のモデリングプロセスに連続学習の概念を構築することを提案する。 我々の設計は、異なるデータサンプル間で「一定の公正性を保証する」新しいmin-maxの定式化に基づいている。
  論文  参考訳（メタデータ） (2020-11-16T08:24:34Z)

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。