Fugu-MT 論文翻訳(概要): Statistical Study of Sensor Data and Investigation of ML-based Calibration Algorithms for Inexpensive Sensor Modules: Experiments from Cape Point

論文の概要: Statistical Study of Sensor Data and Investigation of ML-based Calibration Algorithms for Inexpensive Sensor Modules: Experiments from Cape Point

arxiv url: http://arxiv.org/abs/2503.13487v1
Date: Sun, 09 Mar 2025 21:38:46 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-23 06:38:17.953715
Title: Statistical Study of Sensor Data and Investigation of ML-based Calibration Algorithms for Inexpensive Sensor Modules: Experiments from Cape Point
Title（参考訳）: センサデータの統計的研究と強化型センサモジュールのMLに基づく校正アルゴリズムの検討:ケープポイントからの実験
Authors: Travis Barrett, Amit Kumar Mishra,
Abstract要約: 本稿では,安価なセンサからのデータの統計的解析について述べる。また,センサの自動校正における機械学習アルゴリズムの性能について述べる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In this paper we present the statistical analysis of data from inexpensive sensors. We also present the performance of machine learning algorithms when used for automatic calibration such sensors. In this we have used low-cost Non-Dispersive Infrared CO$_2$ sensor placed at a co-located site at Cape Point, South Africa (maintained by Weather South Africa). The collected low-cost sensor data and site truth data are investigated and compared. We compare and investigate the performance of Random Forest Regression, Support Vector Regression, 1D Convolutional Neural Network and 1D-CNN Long Short-Term Memory Network models as a method for automatic calibration and the statistical properties of these model predictions. In addition, we also investigate the drift in performance of these algorithms with time.
Abstract（参考訳）: 本稿では,安価なセンサからのデータを統計的に分析する。また,センサの自動校正における機械学習アルゴリズムの性能について述べる。ここでは、南アフリカのケープポイント(気象南アフリカが維持している)に設置した低コストの非分散赤外線CO$2ドルセンサーを使用しました。収集した低コストセンサデータとサイト真理データを比較し比較する。本研究では,自動校正手法として,ランダムフォレスト回帰,サポートベクトル回帰,1次元畳み込みニューラルネットワーク,および1D-CNN長短期記憶ネットワークモデルの性能を比較し,その統計的特性について検討する。さらに,これらのアルゴリズムの性能の時間的変動についても検討する。

関連論文リスト

CoSS: Co-optimizing Sensor and Sampling Rate for Data-Efficient AI in Human Activity Recognition [5.215675032361843]
ニューラルネットワークの最近の進歩は、複数の時系列センサーを用いた人間の活動認識を大幅に改善した。高周波サンプリングレートの多数のセンサを用いることで結果が向上するが、多くの場合、データ非効率性とANNの不要な拡張につながる。本稿では,HARタスクにおけるデータ効率向上のための実用的フレームワークを提案する。
論文参考訳（メタデータ） (2024-01-03T22:04:40Z)
Deep convolutional neural networks for cyclic sensor data [0.0]
本研究では,センサによる条件モニタリングに焦点をあて,深層学習技術の応用について検討する。本研究は,従来手法を用いたベースラインモデル,早期センサフュージョンを用いた単一CNNモデル,後期センサフュージョンを用いた2車線CNNモデル (2L-CNN) の3つのモデルの性能を比較した。
論文参考訳（メタデータ） (2023-08-14T07:51:15Z)
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)
Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文参考訳（メタデータ） (2022-09-22T13:12:54Z)
Hybrid Cloud-Edge Collaborative Data Anomaly Detection in Industrial Sensor Networks [16.06269863500741]
本稿では,クラウドエッジ協調産業センサネットワークにおけるハイブリッド異常検出手法を提案する。提案されたアプローチは、全体的なリコールの11.19%の増加と、F1スコアの14.29%の改善を達成することができる。
論文参考訳（メタデータ） (2022-04-21T08:03:22Z)
Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
論文参考訳（メタデータ） (2021-11-03T03:50:48Z)
Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文参考訳（メタデータ） (2021-02-02T15:44:39Z)
Data-aided Sensing for Gaussian Process Regression in IoT Systems [48.523643863141466]
我々は,インターネット・オブ・シングス・システムにおいて,センサから収集したデータセットの学習にデータアシストセンシングを用いる。データ支援センシングによるガウス過程回帰の精度向上に寄与し,予測によるマルチチャネルALOHAの修正が有効であることを示す。
論文参考訳（メタデータ） (2020-11-23T20:59:51Z)
Deep learning for gravitational-wave data analysis: A resampling white-box approach [62.997667081978825]
我々は、LIGO検出器からの単一干渉計データを用いて、畳み込みニューラルネットワーク(CNN)を用いて、コンパクトなバイナリコレッセンスにおける重力波(GW)信号を検出する。 CNNはノイズを検出するのに非常に正確だが、GW信号のリコールに十分な感度がないため、CNNはGWトリガの生成よりもノイズ低減に適している。
論文参考訳（メタデータ） (2020-09-09T03:28:57Z)
Single-stage intake gesture detection using CTC loss and extended prefix beam search [8.22379888383833]
個々の摂取行動の正確な検出は、自動食事監視への重要なステップである。本稿では,センサデータから得られた確率を直接,スパース摂取検出にデコードする単一ステージアプローチを提案する。
論文参考訳（メタデータ） (2020-08-07T06:04:25Z)
Development of Use-specific High Performance Cyber-Nanomaterial Optical Detectors by Effective Choice of Machine Learning Algorithms [14.569246848322983]
サイバーナノマテリアル検出器におけるMLアルゴリズムの最適選択は、主に特定の用途を考慮して決定される。検出性能の長期ドリフトを1年間にわたって追跡・モデル化することにより,再校正を必要とせずに予測精度を向上させることができることを示す。
論文参考訳（メタデータ） (2019-12-26T02:44:55Z)

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。