論文の概要: SMELLNET: A Large-scale Dataset for Real-world Smell Recognition
- arxiv url: http://arxiv.org/abs/2506.00239v1
- Date: Fri, 30 May 2025 21:15:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-04 21:47:32.569735
- Title: SMELLNET: A Large-scale Dataset for Real-world Smell Recognition
- Title（参考訳）: SMELLNET: 現実世界のスメル認識のための大規模データセット
- Authors: Dewei Feng, Carol Li, Wei Dai, Paul Pu Liang,
- Abstract要約: ポータブルガスと化学センサーを使ってSmellNetを作ります。
SmellNetは、自然界で多様な匂いをデジタル化する最初の大規模データベースである。
我々は、匂いだけで物質をリアルタイムで分類するためのAIモデルを訓練する。
- 参考スコア（独自算出の注目度）: 24.9959802608091
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The ability of AI to sense and identify various substances based on their smell alone can have profound impacts on allergen detection (e.g., smelling gluten or peanuts in a cake), monitoring the manufacturing process, and sensing hormones that indicate emotional states, stress levels, and diseases. Despite these broad impacts, there are virtually no large scale benchmarks, and therefore little progress, for training and evaluating AI systems' ability to smell in the real world. In this paper, we use portable gas and chemical sensors to create SmellNet, the first large-scale database that digitizes a diverse range of smells in the natural world. SmellNet contains about 180,000 time steps of 50 substances (spanning nuts, spices, herbs, fruits, and vegetables) with 50 hours of data. Using SmellNet, we train AI models for real-time classification of substances based on their smell alone. Our best methods leverage sequence models, contrastive learning to integrate high-resolution Gas Chromatography-Mass Spectrometry molecular data, and a new temporal difference method that identifies sharp changes in sensor readings. Our best models achieve up to 65.35% accuracy on pre-recorded data, and generalize to real-world conditions with 10.71% accuracy on nuts and 25.38% on spices in the challenging 50-way online classification task. Despite these promising results, SmellNet highlights many technical challenges in building AI for smell, including richer feature learning, on-edge smell models, and robustness to environmental changes.
- Abstract（参考訳）: AIが嗅覚だけで様々な物質を検知し識別する能力は、アレルゲンの検出(例えば、ケーキの中のグルテンやピーナッツの匂い)、製造過程のモニタリング、感情状態、ストレスレベル、病気を示すホルモンの検知に重大な影響を与える可能性がある。
こうした幅広い影響にもかかわらず、現実世界で匂いを嗅ぐAIシステムの能力のトレーニングと評価のために、大規模なベンチマークがほとんどなく、そのためほとんど進歩していない。
本稿では,ポータブルガスと化学センサーを用いて,自然界における多様な匂いをデジタル化する,初の大規模データベースであるSmellNetを開発した。
SmellNetは50時間のデータで50の物質(ナッツ、香辛料、ハーブ、果物、野菜)の約180,000のタイムステップを含んでいる。
SmellNetを使って、匂いだけで物質をリアルタイムで分類するためのAIモデルを訓練する。
提案手法は,高分解能ガスクロマトグラフィー・マススペクトロメトリー分子データと,センサ読み取りの急激な変化を識別する時間差分法を統合するために,シーケンスモデル,コントラスト学習を利用する。
我々の最良のモデルは、記録済みのデータで65.35%の精度を達成し、挑戦的な50ウェイオンライン分類タスクにおいて、ナッツで10.71%の精度で現実世界の条件に一般化する。
これらの有望な結果にもかかわらず、SmellNetは、よりリッチな特徴学習、オンエッジの匂いモデル、環境変化に対する堅牢性など、匂いのためのAIを構築するための多くの技術的課題を強調している。
関連論文リスト
- Diffusion Models for Increasing Accuracy in Olfaction Sensors and Datasets [0.0]
拡散型分子生成を用いた新しい機械学習手法を導入し,オーダローカライゼーションの精度を向上する。
本フレームワークは,ロボット上での嗅覚モデルにより,臭気を正しいソースと正確に関連付ける能力を高める。
論文 参考訳（メタデータ） (2025-05-31T08:22:09Z) - Navigating the Fragrance space Via Graph Generative Models And Predicting Odors [0.2749898166276853]
我々は、匂いの複雑な景観とより広い化学空間を効率的にナビゲートし、探索するために、生成的モデリング技術一式を探索する。
従来のアプローチとは異なり、分子を生成するだけでなく、OC AUCスコア0.97で匂いの類似性を予測し、匂いのラベルを割り当てる。
論文 参考訳（メタデータ） (2025-01-30T22:00:23Z) - Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。
この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。
従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文 参考訳（メタデータ） (2024-08-27T15:03:20Z) - Data Science In Olfaction [1.4499463058550683]
データサイエンスとAIの観点から嗅覚を概念化し、嗅覚の特性を鼻から脳への嗅覚システムでどのように認識し分析するかを関連づける。
色覚に区別を加えることで、嗅覚は刺激の複雑さ、感覚装置の高次元性、そして地上の真実を構成するものなど、ユニークな測定課題をもたらすと論じる。
本研究は,マウス嗅球にカルシウム画像で記録された嗅覚に対する神経反応の機械学習による分類を用いて行った。
論文 参考訳（メタデータ） (2024-04-08T13:25:02Z) - Olfactory Label Prediction on Aroma-Chemical Pairs [0.2749898166276853]
本稿では,アロマケミカルのブレンドから発生する臭気特性を正確に予測できるグラフニューラルネットワークモデルを提案する。
本稿では、ラベル付き分子対からなるデータセットに対して、既存のアプローチと新しいアプローチの両方を適用する。
論文 参考訳（メタデータ） (2023-12-26T17:18:09Z) - Limitations in odour recognition and generalisation in a neuromorphic
olfactory circuit [0.07589017023705934]
本稿では, 哺乳類嗅球に記述された回路にインスパイアされた, ニューロモルフィックアーキテクチャ上での臭気学習アルゴリズムを提案する。
彼らは、ガス臭気と無臭ガスの「ラピッドオンライン学習と識別」におけるアルゴリズムの性能を評価する。
論文 参考訳（メタデータ） (2023-09-20T18:00:05Z) - Fast and Functional Structured Data Generators Rooted in Out-of-Equilibrium Physics [44.97217246897902]
エネルギーモデルを用いて、構造化データセットで高品質なラベル特化データを生成するという課題に対処する。
伝統的な訓練方法は、マルコフ連鎖モンテカルロ混合による困難に遭遇する。
非平衡効果を利用した新しいトレーニングアルゴリズムを用いる。
論文 参考訳（メタデータ） (2023-07-13T15:08:44Z) - ChemVise: Maximizing Out-of-Distribution Chemical Detection with the
Novel Application of Zero-Shot Learning [60.02503434201552]
本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。
合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
論文 参考訳（メタデータ） (2023-02-09T20:19:57Z) - Graph Neural Networks with Trainable Adjacency Matrices for Fault
Diagnosis on Multivariate Sensor Data [69.25738064847175]
各センサの信号の挙動を別々に検討し,相互の相関関係と隠れ関係を考慮する必要がある。
グラフノードは、異なるセンサーからのデータとして表現することができ、エッジは、これらのデータの影響を互いに表示することができる。
グラフニューラルネットワークのトレーニング中にグラフを構築する方法が提案されている。これにより、センサー間の依存関係が事前に分かっていないデータ上でモデルをトレーニングすることができる。
論文 参考訳（メタデータ） (2022-10-20T11:03:21Z) - 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) - Unassisted Noise Reduction of Chemical Reaction Data Sets [59.127921057012564]
本稿では,データセットから化学的に間違ったエントリを除去するための,機械学習に基づく無支援アプローチを提案する。
その結果,クリーン化およびバランスの取れたデータセットでトレーニングしたモデルの予測精度が向上した。
論文 参考訳（メタデータ） (2021-02-02T09:34:34Z)
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。