論文の概要: Dywave: Event-Aligned Dynamic Tokenization for Heterogeneous IoT Sensing Signals
- arxiv url: http://arxiv.org/abs/2605.14014v2
- Date: Tue, 19 May 2026 15:38:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:08.347057
- Title: Dywave: Event-Aligned Dynamic Tokenization for Heterogeneous IoT Sensing Signals
- Title（参考訳）: Dywave: 不均一なIoTセンシング信号に対するイベントアライズされた動的トークン化
- Authors: Tomoyoshi Kimura, Denizhan Kara, Jinyang Li, Hongjue Zhao, Yigong Hu, Yizhuo Chen, Xiaomin Ouyang, Shengzhong Liu, Tarek Abdelzaher,
- Abstract要約: モノのインターネット(IoT)システムは、ユビキタスセンサーから不均一なセンシング信号を継続的に収集する。
これらの信号は本質的に非定常かつマルチスケールであり、標準的なトークン化技術に固有の課題を提起している。
本稿では,IoTセンサ信号の動的トークン化フレームワークであるDywaveを提案する。
- 参考スコア（独自算出の注目度）: 8.057104516698145
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Internet of Things (IoT) systems continuously collect heterogeneous sensing signals from ubiquitous sensors to support intelligent applications such as human activity analysis, emotion monitoring, and environmental perception. These signals are inherently non-stationary and multi-scale, posing unique challenges for standard tokenization techniques. This paper proposes Dywave, a dynamic tokenization framework for IoT sensing signals that constructs compact input representations aligned with intrinsic temporal structures and underlying physical events. Dywave leverages wavelet-based hierarchical decomposition, identifies meaningful temporal boundaries corresponding to underlying semantic events, and adaptively compresses redundant intervals while preserving temporal coherence. Extensive evaluations on five real-world IoT sensing datasets across activity recognition, stress assessment, and nearby object detection demonstrate that Dywave outperforms state-of-the-art methods by up to 12% in accuracy, while improving computational efficiency by reducing input token lengths by up to 75% across mainstream sequence models. Moreover, Dywave exhibits improved robustness to domain shifts and varying sequence lengths.
- Abstract（参考訳）: Internet of Things(IoT)システムは、ユビキタスセンサーから不均一なセンシング信号を継続的に収集し、人間の活動分析、感情モニタリング、環境認識といったインテリジェントなアプリケーションをサポートする。
これらの信号は本質的に非定常かつマルチスケールであり、標準的なトークン化技術に固有の課題を提起している。
本稿では,IoTセンサ信号の動的トークン化フレームワークであるDywaveを提案する。
ダイウェーブはウェーブレットに基づく階層的分解を活用し、基礎となる意味的事象に対応する意味のある時間的境界を特定し、時間的コヒーレンスを維持しながら、時間的間隔を適応的に圧縮する。
アクティビティ認識、ストレスアセスメント、および近くのオブジェクト検出にまたがる5つの実世界のIoTセンシングデータセットの大規模な評価では、Dywaveは最先端のメソッドを最大12%の精度でパフォーマンスし、主流のシーケンスモデルで入力トークンの長さを最大75%削減することで計算効率を向上させる。
さらに、Dywaveは、ドメインシフトと異なるシーケンス長に対する堅牢性を改善している。
関連論文リスト
- Continuous Temporal Representations of Event-Based Signals via Interference-Based Wave Modeling [0.0]
干渉に基づく波動表現に基づく連続時間モデリングフレームワークを提案する。
提案された定式化はイベント駆動バイオシグナーに特に適している。
本手法は,バイオメカニカルシステムにおける下流制御タスクのためのsEMGデータからの学習を支援するように設計されている。
論文 参考訳（メタデータ） (2026-05-02T06:04:55Z) - WiFi-based Cross-Domain Gesture Recognition Using Attention Mechanism [61.79272554643873]
本稿では,マルチセマンティックアテンション機構と自己注意に基づくチャネル機構を融合したジェスチャー認識ネットワークを提案する。
その結果、99.72%のドメイン内精度を維持するだけでなく、97.61%のクロスドメイン認識でも高い性能を発揮することがわかった。
論文 参考訳（メタデータ） (2025-12-04T07:09:13Z) - An Efficient Anomaly Detection Framework for Wireless Sensor Networks Using Markov Process [2.5777932046298786]
1次マルコフ連鎖モデルに基づく軽量かつ解釈可能な異常検出フレームワークが提案されている。
提案したフレームワークは、Intel Berkeley Research Labデータセットを使用して検証された。
論文 参考訳（メタデータ） (2025-11-01T10:19:00Z) - Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。
既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。
本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
論文 参考訳（メタデータ） (2025-08-07T11:14:16Z) - Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。
可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。
実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
論文 参考訳（メタデータ） (2025-06-24T21:14:59Z) - Dynamic Temporal Positional Encodings for Early Intrusion Detection in IoT [3.6686692131754834]
IoT(Internet of Things)の急速な拡張は、重大なセキュリティ上の課題をもたらしている。
従来の侵入検知システム(IDS)は、しばしばネットワークトラフィックの時間的特性を見落としている。
動的時間的位置エンコーディングを組み込んだトランスフォーマーを用いた早期侵入検知システム(EIDS)を提案する。
論文 参考訳（メタデータ） (2025-06-22T17:56:19Z) - Multiresolution Analysis and Statistical Thresholding on Dynamic Networks [49.09073800467438]
ANIE(Adaptive Network Intensity Estimation)は、ネットワーク構造が進化する時間スケールを自動的に識別する多段階フレームワークである。
ANIEは適切な時間分解能に適応し、ノイズに頑健でありながら鋭い構造変化を捉えることができることを示す。
論文 参考訳（メタデータ） (2025-06-01T22:55:55Z) - Efficient and Robust Multidimensional Attention in Remote Physiological Sensing through Target Signal Constrained Factorization [7.947387272047604]
マルチモーダルビデオ入力からの光胸腺造影(rRSP)信号と呼吸(rRSP)信号の同時推定を目的とした,効率的なデュアルブランチ3D-CNNアーキテクチャであるMMRPhysを提案する。
TSFMを用いたMMRPhysは、リアルタイムアプリケーションに適した最小の推論レイテンシを維持しつつ、RRSP推定のための領域シフトの一般化において最先端の手法を著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-05-11T15:20:45Z) - EHGCN: Hierarchical Euclidean-Hyperbolic Fusion via Motion-Aware GCN for Hybrid Event Stream Perception [57.54227977352417]
イベントカメラは、知覚タスクのための高速なイベントストリームを出力する。
ユークリッド空間と双曲空間の両方においてイベントストリームを知覚するためのEHGCNという新しい手法を提案する。
論文 参考訳（メタデータ） (2025-04-23T11:01:03Z) - Wavelet Dynamic Selection Network for Inertial Sensor Signal Enhancement [11.793803540713695]
慣性センサーは様々な携帯機器で広く使われている。
ウェーブレット動的選択ネットワーク(WDSNet)は、可変慣性信号に対する適切なウェーブレット基底をインテリジェントに選択する。
WDSNetは、弱教師付き手法として、比較された全教師付き手法の最先端性能を達成する。
論文 参考訳（メタデータ） (2023-12-29T07:44:06Z)
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。