論文の概要: A temporal deep learning framework for calibration of low-cost air quality sensors
- arxiv url: http://arxiv.org/abs/2604.21527v1
- Date: Thu, 23 Apr 2026 10:51:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.450301
- Title: A temporal deep learning framework for calibration of low-cost air quality sensors
- Title（参考訳）: 低コスト空気質センサの校正のための時間深度学習フレームワーク
- Authors: Arindam Sengupta, Tony Bush, Ben Marner, Jose Miguel Pérez, Soledad Le Clainche,
- Abstract要約: 低コストの空気品質センサ(LCS)は、高価な規制グレードの機器に代わる実用的な手段を提供し、都市部の密集した監視ネットワークを可能にする。
しかし、それらの採用は、センサードリフト、環境横断感度、デバイスからデバイスへのパフォーマンスの変動など、キャリブレーションの課題によって制限されている。
本研究は,英国オックスフォードのOxAriaネットワークからの参照データから学習したLong Short-Term Memory (LSTM)ネットワークを用いて,PM$_2.5$,PM$_10$,NO$のLCS測定を校正するためのディープラーニングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 5.297861726708326
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Low-cost air quality sensors (LCS) provide a practical alternative to expensive regulatory-grade instruments, making dense urban monitoring networks possible. Yet their adoption is limited by calibration challenges, including sensor drift, environmental cross-sensitivity, and variability in performance from device to device. This work presents a deep learning framework for calibrating LCS measurements of PM$_{2.5}$, PM$_{10}$, and NO$_2$ using a Long Short-Term Memory (LSTM) network, trained on co-located reference data from the OxAria network in Oxford, UK. Unlike the Random Forest (RF) baseline, which treats each observation independently, the proposed approach captures temporal dependencies and delayed environmental effects through sequence-based learning, achieving higher $R^2$ values across training, validation, and test sets for all three pollutants. A feature set is constructed combining time-lagged parameters, harmonic encodings, and interaction terms to improve generalization on unseen temporal windows. Validation of unseen calibrated values against the Equivalence Spreadsheet Tool 3.1 demonstrates regulatory compliance with expanded uncertainties of 22.11% for NO$_2$, 12.42% for PM$_{10}$, and 9.1% for PM$_{2.5}$.
- Abstract（参考訳）: 低コストの空気品質センサ(LCS)は、高価な規制グレードの機器に代わる実用的な手段を提供し、都市部の密集した監視ネットワークを可能にする。
しかし、それらの採用は、センサードリフト、環境横断感度、デバイスからデバイスへのパフォーマンスの変動など、キャリブレーションの課題によって制限されている。
本研究は,英国オックスフォードのOxAriaネットワークから,Long Short-Term Memory (LSTM) ネットワークを用いて,PM$_{2.5}$,PM$_{10}$,NO$_2$のLCS測定を校正するためのディープラーニングフレームワークを提案する。
それぞれの観察を個別に扱うランダムフォレスト(RF)ベースラインとは異なり、提案手法は、シーケンスベースの学習を通じて時間的依存関係と遅延した環境効果をキャプチャし、トレーニング、検証、および3つの汚染物質すべてに対するテストセットに対してより高いR^2$値を達成する。
特徴集合は、時間付きパラメータ、調和符号化、相互作用項を組み合わせて構成され、目に見えない時間窓の一般化を改善する。
Equivalence Spreadsheet Tool 3.1に対する未確認の校正値の検証では、NO$_2$が22.11%、PM$_{10}$が12.42%、PM$_{2.5}$が9.1%という不確実性が拡大している。
関連論文リスト
- Controllable and Verifiable Tool-Use Data Synthesis for Agentic Reinforcement Learning [82.89535601592739]
マルチレベル検証を用いた自己進化型合成により,信頼性の高い基本ツール利用軌跡を生成する2段階パイプラインを提案する。
これらの拡張は、トラクタツール、間接的または曖昧なユーザクエリ、ノイズ、マルチフォーマット、あるいは誤ったツール出力を導入します。
本設計では,標準事例に対する参照マッチングによる報酬の自動計算と,エラー検出などの特別な動作に対する軽量な判断支援検証を実現する。
論文 参考訳（メタデータ） (2026-04-10T18:38:52Z) - SimulCost: A Cost-Aware Benchmark and Toolkit for Automating Physics Simulations with LLMs [56.07550353240028]
物理シミュレーションにおけるコスト依存パラメータチューニングをターゲットとした最初のベンチマークであるSimulCostを紹介する。
SimulCostは、LCMチューニングのコスト感受性パラメータと従来のスキャン手法の精度と計算コストを比較した。
各シミュレータのコストは解析的に定義され、プラットフォームに依存しない。
論文 参考訳（メタデータ） (2026-03-11T05:00:48Z) - Time2Vec Transformer for Robust Gesture Recognition from Low-Density sEMG [1.231764991565978]
本稿では筋電義手制御のための新しい,データ効率の高いディープラーニングフレームワークを提案する。
提案手法は, スパース2チャネル表面筋電図(sEMG)に最適化されたハイブリッドトランスフォーマーの実装である。
提案するフレームワークは, 迅速なパーソナライズが可能な次世代人工装具の堅牢で費用対効果の高い青写真を提供する。
論文 参考訳（メタデータ） (2026-02-02T09:28:27Z) - HydroSense: A Dual-Microcontroller IoT Framework for Real-Time Multi-Parameter Water Quality Monitoring with Edge Processing and Cloud Analytics [0.0]
HydroSenseは,6つの重要な水質パラメータを統合監視システムに統合した,革新的なモノのインターネットフレームワークである。
総実装コストは32,983 BDTで、HydroSenseは商用システムと比較して85%のコスト削減を実現している。
論文 参考訳（メタデータ） (2026-01-29T12:04:36Z) - Provably Outlier-resistant Semi-parametric Regression for Transferable Calibration of Low-cost Air-quality Sensors [2.9079895220997294]
本研究では,インド最大の多地点マルチソン・マルチセンサ・マルチ汚染型モバイル空気質監視ネットワークの1つであるLCAQ(LCAQ)センサの校正を事例として報告する。
LCAQセンサーは密集した空気品質監視ネットワークの構築に重要な役割を果たしていることが示されている。
論文 参考訳（メタデータ） (2025-11-25T00:33:26Z) - Cost-aware Stopping for Bayesian Optimization [46.95172329282389]
本稿では,様々な評価コストに適応し,チューニングが不要なベイズ最適化のためのコスト対応停止則を提案する。
我々は,最先端の取得関数と組み合わせた場合,停止規則によって得られる期待累積評価コストを拘束する理論的な保証を証明した。
論文 参考訳（メタデータ） (2025-07-16T17:54:14Z) - Advancing Air Quality Monitoring: TinyML-Based Real-Time Ozone Prediction with Cost-Effective Edge Devices [0.0]
本稿では, オゾン濃度をリアルタイムに予測する新しいTinyMLシステムを提案する。
このシステムはArduino Nano 33 BLE Senseマイクロコントローラを使用し、一酸化炭素(CO)検出のためのMQ7センサーと温度と圧力測定のための内蔵センサーを備えている。
論文 参考訳（メタデータ） (2025-04-03T10:48:24Z) - Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。
本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。
DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
論文 参考訳（メタデータ） (2022-06-14T13:22:19Z) - Input-Specific Robustness Certification for Randomized Smoothing [76.76115360719837]
本稿では,ロバストネス認証の費用対効果を達成するために,インプット・スペクティブ・サンプリング(ISS)の高速化を提案する。
ISSは、認定半径0.05の限られたコストで3回以上、認定をスピードアップすることができる。
論文 参考訳（メタデータ） (2021-12-21T12:16:03Z) - 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)
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。