論文の概要: Bayesian Optimization of Process Parameters of a Sensor-Based Sorting System using Gaussian Processes as Surrogate Models

• arxiv url: http://arxiv.org/abs/2507.22766v1
• Date: Wed, 30 Jul 2025 15:31:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 16:14:18.286381
• Title: Bayesian Optimization of Process Parameters of a Sensor-Based Sorting System using Gaussian Processes as Surrogate Models
• Title（参考訳）: ガウス過程を代理モデルとしたセンサベースソーティングシステムのベイズ最適化
• Authors: Felix Kronenwett, Georg Maier, Thomas Laengle,
• Abstract要約: センサベースのソートシステムは、物質の流れを2つの分画に分離することができる。 様々なプロセスパラメータは、材料の流れの性質、システムの寸法、必要なソート精度に応じて設定されなければならない。 本稿では,センサベースソートシステムのプロセスパラメータを最適化し,繰り返し監視し,調整する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.061446808540639365
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sensor-based sorting systems enable the physical separation of a material stream into two fractions. The sorting decision is based on the image data evaluation of the sensors used and is carried out using actuators. Various process parameters must be set depending on the properties of the material stream, the dimensioning of the system, and the required sorting accuracy. However, continuous verification and re-adjustment are necessary due to changing requirements and material stream compositions. In this paper, we introduce an approach for optimizing, recurrently monitoring and adjusting the process parameters of a sensor-based sorting system. Based on Bayesian Optimization, Gaussian process regression models are used as surrogate models to achieve specific requirements for system behavior with the uncertainties contained therein. This method minimizes the number of necessary experiments while simultaneously considering two possible optimization targets based on the requirements for both material output streams. In addition, uncertainties are considered during determining sorting accuracies in the model calculation. We evaluated the method with three example process parameters.
• Abstract（参考訳）: センサベースのソートシステムは、物質の流れを2つの分画に分離することができる。 ソート決定は、使用するセンサの画像データ評価に基づいて、アクチュエータを用いて行われる。 様々なプロセスパラメータは、材料の流れの性質、システムの寸法、必要なソート精度に応じて設定されなければならない。 しかし, 要求条件や材料流の組成が変化するため, 連続的な検証と再調整が必要である。 本稿では,センサベースソートシステムのプロセスパラメータを最適化し,繰り返し監視し,調整する手法を提案する。 ベイズ最適化に基づいて、ガウス過程回帰モデルは、不確実性を含むシステムの振る舞いに対する特定の要求を達成するために代理モデルとして使用される。 本手法は, 材料出力ストリームの要求に基づいて, 2つの最適化目標を同時に検討しながら, 必要な実験数を最小化する。 さらに、モデル計算におけるソート精度を決定する際に不確実性を考慮する。 提案手法を3つのプロセスパラメータを用いて評価した。

関連論文リスト

• Continual Adaptation: Environment-Conditional Parameter Generation for Object Detection in Dynamic Scenarios [54.58186816693791]
  環境は時間と空間によって常に変化し、クローズドセットの仮定に基づいて訓練された物体検出器にとって重要な課題となる。 そこで本研究では,微調整過程をパラメータ生成に変換する機構を提案する。 特に,2経路LoRAベースのドメイン認識アダプタを最初に設計し,特徴をドメイン不変およびドメイン固有コンポーネントに分解する。
  論文  参考訳（メタデータ） (2025-06-30T17:14:12Z)
• An Iterative Bayesian Approach for System Identification based on Linear Gaussian Models [86.05414211113627]
  システム識別の問題に取り組み、入力を選択し、実際のシステムから対応する出力を観測し、データに最も合うようにモデルのパラメータを最適化する。 本稿では,任意のシステムやパラメトリックモデルと互換性のある,フレキシブルで計算可能な手法を提案する。
  論文  参考訳（メタデータ） (2025-01-28T01:57:51Z)
• Variational Bayesian surrogate modelling with application to robust design optimisation [0.9626666671366836]
  サロゲートモデルは複雑な計算モデルに対して素早く評価できる近似を提供する。 入力の不確かさと次元減少を伴う統計的代理を構築するためのベイズ推定について考察する。 コスト関数がモデル出力の平均および標準偏差の重み付け和に依存するような本質的で頑健な構造最適化問題を示す。
  論文  参考訳（メタデータ） (2024-04-23T09:22:35Z)
• Learning IMM Filter Parameters from Measurements using Gradient Descent [45.335821132209766]
  トラック下のターゲットの固有のパラメータは、システムがデプロイされるまで完全に観測不可能である。 最先端のセンサーシステムはますます複雑になり、パラメータの数が自然に増加する。 本稿では,対話型多重モデル (IMM) フィルタのパラメータを計測のみで最適化する。
  論文  参考訳（メタデータ） (2023-07-13T08:35:40Z)
• Embedded Feature Similarity Optimization with Specific Parameter Initialization for 2D/3D Medical Image Registration [4.533408985664949]
  医用画像登録のための新しい深層学習フレームワークを提案する。 提案フレームワークは, 特殊訓練技術と新規な複合接続を用いて, マルチスケールの特徴を抽出する。 本実験により,本手法は登録性能を向上し,既存の手法を精度,実行時間で上回っていることが示された。
  論文  参考訳（メタデータ） (2023-05-10T15:33:15Z)
• Support Vector Machine for Determining Euler Angles in an Inertial Navigation System [55.41644538483948]
  本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。 提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
  論文  参考訳（メタデータ） (2022-12-07T10:01:11Z)
• Safe Real-Time Optimization using Multi-Fidelity Gaussian Processes [0.0]
  本稿では,不確実なプロセスのシステムミスマッチを克服するリアルタイム最適化手法を提案する。 提案方式では, 既知のプロセスモデルをエミュレートする2つのガウス過程と, 測定による真のシステムを用いる。
  論文  参考訳（メタデータ） (2021-11-10T09:31:10Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Variable selection for Gaussian process regression through a sparse projection [0.802904964931021]
  本稿では,ガウス過程(GP)レグレッションと統合された新しい変数選択手法を提案する。 パラメータの調整と推定の精度を,選択したベンチマーク手法を用いて評価した。
  論文  参考訳（メタデータ） (2020-08-25T01:06:10Z)

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。