論文の概要: Quantifying the advantage of vector over scalar magnetic sensor networks for undersea surveillance

• arxiv url: http://arxiv.org/abs/2512.24250v1
• Date: Tue, 30 Dec 2025 14:23:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.397065
• Title: Quantifying the advantage of vector over scalar magnetic sensor networks for undersea surveillance
• Title（参考訳）: 海底監視のためのスカラー磁気センサネットワーク上のベクトルの利点の定量化
• Authors: Wenchao Li, Xuezhi Wang, Qiang Sun, Allison N. Kealy, Andrew D. Greentree,
• Abstract要約: 海上環境の磁気モニタリングは、船舶の監視と最適化、および国家安全保障にとって重要な問題である。 コンパクトでファイバーカップリングされた量子磁気センサの新展開は、そのようなセンサーネットワークをいかに構築するかを批判的に評価する機会に繋がった。
• 参考スコア（独自算出の注目度）: 8.848312396137787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Magnetic monitoring of maritime environments is an important problem for monitoring and optimising shipping, as well as national security. New developments in compact, fibre-coupled quantum magnetometers have led to the opportunity to critically evaluate how best to create such a sensor network. Here we explore various magnetic sensor network architectures for target identification. Our modelling compares networks of scalar vs vector magnetometers. We implement an unscented Kalman filter approach to perform target tracking, and we find that vector networks provide a significant improvement in target tracking, specifically tracking accuracy and resilience compared with scalar networks.
• Abstract（参考訳）: 海上環境の磁気モニタリングは、船舶の監視と最適化、および国家安全保障にとって重要な問題である。 コンパクトでファイバーカップリングされた量子磁気センサの新展開は、そのようなセンサーネットワークをいかに構築するかを批判的に評価する機会に繋がった。 ここでは、ターゲット同定のための様々な磁気センサネットワークアーキテクチャについて検討する。 我々のモデリングはスカラーとベクトル磁気センサのネットワークを比較する。 我々は、ターゲット追跡を行うために、意図しないカルマンフィルタアプローチを実装し、ベクトルネットワークは、ターゲット追跡において、特にスカラーネットワークと比較して、精度とレジリエンスのトラッキングにおいて、大幅な改善をもたらすことを発見した。

関連論文リスト

• INSPIRE-GNN: Intelligent Sensor Placement to Improve Sparse Bicycling Network Prediction via Reinforcement Learning Boosted Graph Neural Networks [51.76364085699241]
  INSPIRE-GNNは、センサ配置を最適化し、データスパース環境でのリンクレベルの自転車体積推定を改善するために設計された、新しい強化学習型ハイブリッドグラフニューラルネットワーク(GNN)フレームワークである。 我々のフレームワークは,Mean Squared Error(MSE),Root Mean Squared Error(RMSE),Mean Absolute Error(MAE)など,従来のセンサ配置法よりも優れていた。 InSPIRE-GNNの自転車容積推定性能における標準機械学習モデルとディープラーニングモデルとのベンチマークを行い,その有効性を実証した。
  論文  参考訳（メタデータ） (2025-07-31T20:00:35Z)
• Optimized quantum sensor networks for ultralight dark matter detection [0.0]
  ダークマター (DM) は、基礎物理学において最も説得力のない未解決問題の一つである。 超軽量DMフィールドに対する感度を高めるために,ネットワークベースの量子センサアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-05-27T13:38:59Z)
• Optimizing Sensor Network Design for Multiple Coverage [0.9668407688201359]
  本稿では,より効率的で堅牢なセンサネットワークを設計するgreedy (next-best-view)アルゴリズムの目的関数を提案する。 また、ほぼリアルタイムで計算を行うアルゴリズムを高速化するためのディープラーニングモデルも導入する。
  論文  参考訳（メタデータ） (2024-05-15T05:13:20Z)
• A distributed neural network architecture for dynamic sensor selection with application to bandwidth-constrained body-sensor networks [53.022158485867536]
  ディープニューラルネットワーク(DNN)のための動的センサ選択手法を提案する。 データセット全体の固定選択ではなく、個々の入力サンプルに対して最適なセンササブセット選択を導出することができる。 無線センサネットワーク(WSN)の寿命を、各ノードの送信頻度に制約を加えることで、この動的選択をいかに利用できるかを示す。
  論文  参考訳（メタデータ） (2023-08-16T14:04:50Z)
• Multi-Target Tracking with Transferable Convolutional Neural Networks [96.00428692404354]
  マルチターゲットトラッキングに対処するための畳み込みニューラルネットワークアーキテクチャを提案する。 ターゲット状態とセンサ計測を画像として表現し,画像から画像への予測タスクとして再放送する。 実際に提案した転送可能なCNNアーキテクチャは、MTTタスクのランダム有限集合フィルタを10のターゲットで上回り、250のターゲットで29%の性能改善を施したMTTタスクに再トレーニングすることなく転送を行う。
  論文  参考訳（メタデータ） (2022-10-27T15:29:34Z)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)
• GEM: Glare or Gloom, I Can Still See You -- End-to-End Multimodal Object Detector [11.161639542268015]
  厳しい照明条件下での2次元物体検出のためのセンサ対応マルチモーダル融合戦略を提案する。 本ネットワークは,各センサモダリティの測定信頼性をスカラーウェイトとマスクの形で推定する。 提案手法はFLIR-Thermalデータセット上で既存の最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-02-24T14:56:37Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。