論文の概要: Machine Intelligence on the Edge: Interpretable Cardiac Pattern Localisation Using Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2508.21652v1
• Date: Fri, 29 Aug 2025 14:15:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:11.071111
• Title: Machine Intelligence on the Edge: Interpretable Cardiac Pattern Localisation Using Reinforcement Learning
• Title（参考訳）: エッジ上のマシンインテリジェンス:強化学習を用いた解釈可能な心臓パターンの局在
• Authors: Haozhe Tian, Qiyu Rao, Nina Moutonnet, Pietro Ferraro, Danilo Mandic,
• Abstract要約: 本稿では,従来の単一マッチングフィルタを,強化学習エージェントが設計した一連のフィルタに置き換えるパラダイムであるSequential Matched Filter (SMF)を提案する。 フィルタ設計を逐次決定プロセスとして定式化することにより、SMFは完全に解釈可能な信号固有のフィルタシーケンスを適応的に設計する。
• 参考スコア（独自算出の注目度）: 2.309018557701645
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Matched filters are widely used to localise signal patterns due to their high efficiency and interpretability. However, their effectiveness deteriorates for low signal-to-noise ratio (SNR) signals, such as those recorded on edge devices, where prominent noise patterns can closely resemble the target within the limited length of the filter. One example is the ear-electrocardiogram (ear-ECG), where the cardiac signal is attenuated and heavily corrupted by artefacts. To address this, we propose the Sequential Matched Filter (SMF), a paradigm that replaces the conventional single matched filter with a sequence of filters designed by a Reinforcement Learning agent. By formulating filter design as a sequential decision-making process, SMF adaptively design signal-specific filter sequences that remain fully interpretable by revealing key patterns driving the decision-making. The proposed SMF framework has strong potential for reliable and interpretable clinical decision support, as demonstrated by its state-of-the-art R-peak detection and physiological state classification performance on two challenging real-world ECG datasets. The proposed formulation can also be extended to a broad range of applications that require accurate pattern localisation from noise-corrupted signals.
• Abstract（参考訳）: マッチングフィルタは高い効率と解釈可能性のために信号パターンのローカライズに広く用いられている。 しかし、その効果は、エッジデバイスに記録されているような低信号対雑音比(SNR)信号に対して悪化する。 例えば、耳電心電図(ear-ECG)では、心臓の信号は減衰し、人工物によってひどく劣化する。 そこで本研究では,従来の単一マッチングフィルタを,強化学習エージェントが設計した一連のフィルタに置き換えるパラダイムとして,逐次マッチングフィルタ(Sequential Matched Filter, SMF)を提案する。 フィルタ設計をシーケンシャルな意思決定プロセスとして定式化することにより、SMFは信号固有のフィルタシーケンスを適応的に設計する。 提案したSMFフレームワークは、2つの現実のECGデータセット上で、最先端のRピーク検出と生理的状態分類性能によって実証されるように、信頼性と解釈可能な臨床診断支援の可能性が強い。 提案した定式化は、ノイズ破損信号から正確なパターンローカライゼーションを必要とする広範囲のアプリケーションにも適用することができる。

関連論文リスト

• Composite Reward Design in PPO-Driven Adaptive Filtering [0.0]
  本稿では、SNRの改善、MSEの低減、残留滑らかさのバランスをとる複合報酬によって導かれるPPOを用いた適応フィルタリングフレームワークを提案する。 各種ノイズ型合成信号の実験により,PPOエージェントはトレーニング分布を超越し,実時間性能を実現し,従来のフィルタよりも優れることがわかった。
  論文  参考訳（メタデータ） (2025-05-29T23:11:48Z)
• Towards Anomaly-Aware Pre-Training and Fine-Tuning for Graph Anomaly Detection [59.042018542376596]
  グラフ異常検出(GAD)は近年注目度が高まりつつあるが、2つの重要な要因があるため、依然として困難である。 Anomaly-Aware Pre-Training and Fine-Tuning (APF)は、GADの課題を軽減するためのフレームワークである。 10のベンチマークデータセットに関する総合的な実験は、最先端のベースラインと比較してAPFの優れたパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-04-19T09:57:35Z)
• A Hybrid Framework for Statistical Feature Selection and Image-Based Noise-Defect Detection [55.2480439325792]
  本稿では,統計的特徴選択と分類技術を統合し,欠陥検出精度を向上させるハイブリッドフレームワークを提案する。 工業画像から抽出した55個の特徴を統計的手法を用いて解析した。 これらの手法をフレキシブルな機械学習アプリケーションに統合することにより、検出精度を改善し、偽陽性や誤分類を減らす。
  論文  参考訳（メタデータ） (2024-12-11T22:12:21Z)
• Dual-Frequency Filtering Self-aware Graph Neural Networks for Homophilic and Heterophilic Graphs [60.82508765185161]
  我々は、Dual-Frequency Filtering Self-Aware Graph Neural Networks (DFGNN)を提案する。 DFGNNは低域通過フィルタと高域通過フィルタを統合し、滑らかで詳細な位相的特徴を抽出する。 フィルター比を動的に調整し、ホモフィルグラフとヘテロフィルグラフの両方に対応する。
  論文  参考訳（メタデータ） (2024-11-18T04:57:05Z)
• You Only Train Once: A Unified Framework for Both Full-Reference and No-Reference Image Quality Assessment [45.62136459502005]
  本稿では,完全な参照 (FR) と非参照 (NR) IQA を行うネットワークを提案する。 まず、入力画像から多レベル特徴を抽出するためにエンコーダを用いる。 FRおよびNR入力のユニバーサルアダプタとして階層的注意(HA)モジュールを提案する。 エンコーダの浅い層と深い層との間の特徴相関を調べるために, セマンティック・ディストーション・アウェア (SDA) モジュールを提案する。
  論文  参考訳（メタデータ） (2023-10-14T11:03:04Z)
• A Data-Driven Gaussian Process Filter for Electrocardiogram Denoising [5.359295206355495]
  提案したGPフィルタをPhyloNet QT Database上の最先端ウェーブレットベースフィルタと比較した。 提案したGPフィルタは, 試験された全てのノイズレベルに対して, ベンチマークフィルタより優れていた。 また、QT間隔推定誤差バイアスと分散の観点から、最先端フィルタよりも優れている。
  論文  参考訳（メタデータ） (2023-01-06T17:09:20Z)
• Neural Network-augmented Kalman Filtering for Robust Online Speech Dereverberation in Noisy Reverberant Environments [13.49645012479288]
  ノイズローバストオンラインデバーベレーションのためのニューラルネットワーク拡張アルゴリズムを提案する。 提示されたフレームワークは、単一チャネルのノイズの多い残響データセット上で堅牢なデバーベレーションを可能にする。
  論文  参考訳（メタデータ） (2022-04-06T11:38:04Z)
• Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
  ガウス過程回帰に基づく適応型低域通過フィルタを提案する。 本研究では,提案手法の誤差が一様境界であることを示す。
  論文  参考訳（メタデータ） (2021-11-05T17:06:59Z)
• A Machine-Learning-Based Direction-of-Origin Filter for the Identification of Radio Frequency Interference in the Search for Technosignatures [0.0]
  畳み込みニューラルネットワーク(CNN)は、既存のフィルタに対して有望な補完を提供する。 我々は、あるスキャンで検出された信号が別のスキャンに存在するかどうかを判定できるCNNを設計し、訓練した。 このCNNベースのDoOフィルタは、ベースライン2D相関モデルと既存のDoOフィルタの両方を、さまざまなメトリクスで上回る。
  論文  参考訳（メタデータ） (2021-07-28T20:22:39Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)

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。