論文の概要: HEROS-GAN: Honed-Energy Regularized and Optimal Supervised GAN for Enhancing Accuracy and Range of Low-Cost Accelerometers

• arxiv url: http://arxiv.org/abs/2502.18064v1
• Date: Tue, 25 Feb 2025 10:31:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 15:18:47.644870
• Title: HEROS-GAN: Honed-Energy Regularized and Optimal Supervised GAN for Enhancing Accuracy and Range of Low-Cost Accelerometers
• Title（参考訳）: HEROS-GAN:低速度加速度計の精度と範囲を高めるための高次エネルギー正規化と最適監督型GAN
• Authors: Yifeng Wang, Yi Zhao,
• Abstract要約: 低コストの加速度計は、小型化、統合の容易さ、摩耗性、大量生産の利点により、現代社会において重要な役割を担っている。 しかし、この広く使われているセンサーは、厳しい精度と範囲制限に悩まされている。 本稿では,低コストのセンサ信号を高コストの等価値に変換するHEROS-GAN(honed-Energy regularized and optimal supervised GAN)を提案する。
• 参考スコア（独自算出の注目度）: 9.98317903374184
• License:
• Abstract: Low-cost accelerometers play a crucial role in modern society due to their advantages of small size, ease of integration, wearability, and mass production, making them widely applicable in automotive systems, aerospace, and wearable technology. However, this widely used sensor suffers from severe accuracy and range limitations. To this end, we propose a honed-energy regularized and optimal supervised GAN (HEROS-GAN), which transforms low-cost sensor signals into high-cost equivalents, thereby overcoming the precision and range limitations of low-cost accelerometers. Due to the lack of frame-level paired low-cost and high-cost signals for training, we propose an Optimal Transport Supervision (OTS), which leverages optimal transport theory to explore potential consistency between unpaired data, thereby maximizing supervisory information. Moreover, we propose a Modulated Laplace Energy (MLE), which injects appropriate energy into the generator to encourage it to break range limitations, enhance local changes, and enrich signal details. Given the absence of a dedicated dataset, we specifically establish a Low-cost Accelerometer Signal Enhancement Dataset (LASED) containing tens of thousands of samples, which is the first dataset serving to improve the accuracy and range of accelerometers and is released in Github. Experimental results demonstrate that a GAN combined with either OTS or MLE alone can surpass the previous signal enhancement SOTA methods by an order of magnitude. Integrating both OTS and MLE, the HEROS-GAN achieves remarkable results, which doubles the accelerometer range while reducing signal noise by two orders of magnitude, establishing a benchmark in the accelerometer signal processing.
• Abstract（参考訳）: 低コストの加速度計は、小型化、統合の容易さ、摩耗性、大量生産の利点から現代社会において重要な役割を担っており、自動車システム、航空宇宙、ウェアラブル技術に広く応用されている。 しかし、この広く使われているセンサーは、厳しい精度と範囲制限に悩まされている。 この目的のために,低コストのセンサ信号から高精度な等価回路へと変換し,低コスト加速度計の精度と範囲制限を克服する,高エネルギー正規化および最適教師付きGAN(HEROS-GAN)を提案する。 フレームレベルの低コスト・高コストの訓練用信号が不足しているため,最適輸送スーパービジョン (OTS) を提案する。 さらに, 距離制限を破り, 局所的な変化を増強し, 信号の詳細を豊かにするために, 発電機に適切なエネルギーを注入する変調ラプラスエネルギー (MLE) を提案する。 専用のデータセットがないため、我々は数万のサンプルを含む低コストの加速度センサ信号強調データセット(LASED)を特に確立しました。 実験により,OTS法とMLE法を併用したGANが,従来のSOTA法を桁違いに超えることを示した。 OTSとMLEの両方を統合したHEROS-GANは、加速度計のレンジを2倍にし、信号ノイズを2桁減らし、加速度計信号処理のベンチマークを確立した。

関連論文リスト

• Consumer INS Coupled with Carrier Phase Measurements for GNSS Spoofing Detection [0.0]
  慣性測定ユニットは、提供されたナビゲーションソリューションの精度と堅牢性を高めることに成功している。 しかし、否定された文脈における慣性技術に基づく効果的なナビゲーションには、ハイエンドのセンサーが必要である。 そこで本研究では,MEMS INSとハイエンド産業用グレードセンサの性能について述べる。
  論文  参考訳（メタデータ） (2025-02-06T08:34:23Z)
• A Lightweight Human Pose Estimation Approach for Edge Computing-Enabled Metaverse with Compressive Sensing [23.884862152830184]
  5G/6Gネットワークのようなエッジコンピューティング対応ネットワーク上のユーザの3D動作を推定する能力は、拡張現実(XR)とメタバースアプリケーションの新しい時代の重要な実現要因である。 近年の深層学習の進歩は,センサ信号からの予備的な計測から3次元人のポーズを推定する最適化手法よりも有利であることが示されている。 ノイズの多い無線環境におけるIMU信号の冗長性除去と軽量伝送のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-26T02:57:23Z)
• High-Quality and Full Bandwidth Seismic Signal Synthesis using Operational GANs [13.94568670805613]
  そこで我々は,下層センサから取得した信号を変換することで,新しい,高品質,全帯域地震信号合成を提案する。 我々は,新しい損失関数を持つOp-GAN (Operational Generative Adversarial Networks) を用いた。 提案手法は,Simulated Ground Motion (SimGM) ベンチマークデータセット上で広範囲に評価されている。
  論文  参考訳（メタデータ） (2024-07-06T08:07:23Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• Continuously Optimizing Radar Placement with Model Predictive Path Integrals [16.148347437965683]
  センサー配置の連続最適化は、様々な軍事・民間用途における正確な目標位置決めに不可欠である。 レーダパラメータとレーダ目標距離を組み込んだレンジ計測モデルを用いる。 我々は、時間とともにレーダーと目標の進化する幾何学を可視化し、最も高い測定情報を得る領域をハイライトする。
  論文  参考訳（メタデータ） (2024-05-29T11:25:53Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Inertial Hallucinations -- When Wearable Inertial Devices Start Seeing Things [82.15959827765325]
  環境支援型生活(AAL)のためのマルチモーダルセンサフュージョンの新しいアプローチを提案する。 我々は、標準マルチモーダルアプローチの2つの大きな欠点、限られた範囲のカバレッジ、信頼性の低下に対処する。 我々の新しいフレームワークは、三重項学習によるモダリティ幻覚の概念を融合させ、異なるモダリティを持つモデルを訓練し、推論時に欠落したセンサーに対処する。
  論文  参考訳（メタデータ） (2022-07-14T10:04:18Z)
• 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)
• Transfer Learning for Motor Imagery Based Brain-Computer Interfaces: A Complete Pipeline [54.73337667795997]
  移動学習(TL)は、新しい被験者の校正作業を減らすために、運動画像(MI)ベースの脳-コンピュータインタフェース(BCI)に広く用いられている。 本稿では,MIベースのBCIの3つのコンポーネント(空間フィルタリング,特徴工学,分類)すべてにおいてTLが考慮できることを示す。
  論文  参考訳（メタデータ） (2020-07-03T23:44:21Z)
• Greenhouse Gas Emission Prediction on Road Network using Deep Sequence Learning [4.814071726181215]
  本稿では,従来の時間ステップの速度,密度,GHG ERなど,最も代表的な予測値に基づいて,リンクレベルのGHG排出率(ER)を予測するためのディープラーニングフレームワークを開発する。 トロント中心街の道路網はケーススタディとして利用され,キャリブレーションされた交通マイクロシミュレーションとMOVESを用いて詳細なデータを合成する。
  論文  参考訳（メタデータ） (2020-04-16T14:25:32Z)

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。