論文の概要: Correcting Sensor-Induced Distribution Drift with Wasserstein Adversarial Learning

• arxiv url: http://arxiv.org/abs/2606.18561v1
• Date: Wed, 17 Jun 2026 00:25:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:50.94257
• Title: Correcting Sensor-Induced Distribution Drift with Wasserstein Adversarial Learning
• Title（参考訳）: Wasserstein Adversarial Learning を用いた補正センサによる分布ドリフト
• Authors: Saraa Ali, Vladimir Bocharnikov, Fedor Ratnikov, Mikhail Hushchyn, Artem Ryzhikov, Denis Derkach,
• Abstract要約: 動作と老化は、下流のデータ駆動方式のパフォーマンスと安定性を低下させる可能性がある。 We present an Wasserstein-GAN-inspired approach for unsupervised inference of interpretable parameters。 その結果, 逆分布マッチングはキャリブレーション戦略のデータ駆動コンポーネントとして機能することが示唆された。
• 参考スコア（独自算出の注目度）: 0.7989937231412041
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The quality of recorded data depends on the stability of the sensor system that acquires it. Sensor motion and aging can degrade the performance and stability of downstream data-driven methods. We present a Wasserstein-GAN-inspired approach for unsupervised inference of physically interpretable transformation parameters that map a changed detector response distribution back to a nominal reference distribution. In contrast to standard generative modeling, the generator is used as a learnable calibration transformation whose trainable weights represent the sought parameters, while the critic provides a distributional distance signal via the Wasserstein objective. We validate the approach on a tracking-detector toy model with controlled layer shifts and demonstrate its application on high-granularity Geant4-simulated calorimeter data with cell-wise aging effects. The method recovers aging coefficients for individual cells with correlation to ground truth and improves agreement between calibrated and reference energy-sum distributions, while exhibiting the expected degradation at increasing channel-to-channel noise levels. These results indicate that adversarial distribution matching can serve as a data-driven component of calibration strategies in settings where direct labels for degradation parameters are unavailable.
• Abstract（参考訳）: 記録データの品質は、それを取得するセンサーシステムの安定性に依存する。 センサの動きと老化は、下流のデータ駆動方式の性能と安定性を低下させる。 本稿では,変化検出応答分布を名目参照分布にマッピングする物理解釈可能な変換パラメータの教師なし推論に対して,Wasserstein-GANにインスパイアされたアプローチを提案する。 標準生成モデルとは対照的に、このジェネレータは学習可能なキャリブレーション変換として用いられ、学習可能な重みは求めるパラメータを表す。 制御層シフトをもつ追尾型トイモデルに対するアプローチの有効性を検証し, セルワイド時効効果を有する高粒度Geant4模擬熱量計データへの適用を実証する。 地上の真実に相関して個々のセルの老化係数を回復し、キャリブレーションと基準エネルギーの分布の一致を改善しつつ、チャネル間ノイズレベルの増加による劣化を期待する。 これらの結果から, 逆分布マッチングは, 劣化パラメータの直接ラベルが利用できない設定において, キャリブレーション戦略のデータ駆動コンポーネントとして機能することが示唆された。

関連論文リスト

• Joint Model and Data Sparsification via the Marginal Likelihood [53.29070892356214]
  本稿では,個々の特徴とサンプルの相違点を同時学習し,同時にモデルとデータスペーシングを実現することを提案する。 このモデルとデータの対称的なプルーニングは、共役を保存する自然な拡張を提供する。 多様な回帰タスクにわたる経験的結果は、共同ARDアプローチがスパースモデルとロバスト予測モデルの両方を一貫して生成することを確認した。
  論文  参考訳（メタデータ） (2026-05-28T13:26:53Z)
• MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
  連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。 ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
  論文  参考訳（メタデータ） (2026-05-18T01:52:12Z)
• Differential source-basis encoding for superresolved parameter estimation in a time-reversed Young interferometer [0.0]
  時間反転ヤング干渉計における局所パラメータ推定のための差分音源符号化プロトコルを開発した。 局所的な状態において、微分信号は自然にエンベロープ段階の項に分離され、非干渉性差分センシングにも存在している。 この分解は、インターフェロメトリの利点の物理的起源を特定し、なぜそれが普遍的ではなく規則に依存しているのかを明確にする。
  論文  参考訳（メタデータ） (2026-03-28T21:05:36Z)
• A Multivariate Statistical Framework for Detection, Classification and Pre-localization of Anomalies in Water Distribution Networks [0.0]
  SICAMS (Statistical Identification and Classification of Anomalies in Mahalanobis Space) はヘテロジニアス圧力と流量センサデータを処理する。 Hotellingの$T2$ statisticは、異常検出の定式化を可能にする。 センサを統計的寄与に応じて位置決めする粗いリーク位置決め法が提案されている。
  論文  参考訳（メタデータ） (2025-12-17T18:38:37Z)
• Discovering Governing Equations in the Presence of Uncertainty [11.752763800308276]
  本研究では, 力学系を基礎とする支配方程式を一貫して発見する鍵として, 測定ノイズとともに, システムの変動性を考慮した説明が重要であることを理論的に論じる。 SIPは、スパース同定ダイナミクス(SINDy)とその変種に対する平均82%の正方程式を一貫して同定することを示した。
  論文  参考訳（メタデータ） (2025-07-13T18:31:25Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Variational Encoder-Decoders for Learning Latent Representations of Physical Systems [0.0]
  本稿では,物理系のデータ駆動型低次元表現を学習するためのフレームワークを提案する。 地下水流動モデルの観測井における油圧応答のモデル化に成功した。
  論文  参考訳（メタデータ） (2024-12-06T16:46:48Z)
• Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
  特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。 これにより、ランドマークの種類は両方のソースから観測できなければならない。 車両軌道推定のための動的重み付き因子グラフモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-13T12:44:14Z)
• Certifying Model Accuracy under Distribution Shifts [151.67113334248464]
  本稿では,データ分布の有界ワッサースタインシフトの下でのモデルの精度について,証明可能なロバスト性保証を提案する。 変換空間におけるモデルの入力をランダム化する単純な手順は、変換の下での分布シフトに対して確実に堅牢であることを示す。
  論文  参考訳（メタデータ） (2022-01-28T22:03:50Z)
• Iterative Correction of Sensor Degradation and a Bayesian Multi-Sensor Data Fusion Method [0.0]
  本稿では,劣化信号から地中構造信号を推定する新しい手法を提案する。 アルゴリズムは、2つの信号の繰り返し補正を行うことで乗算分解効果を学習する。 我々は理論的解析を含意し、ノイズレス測定モデルのための地上構造信号への収束性を証明する。
  論文  参考訳（メタデータ） (2020-09-07T13:24:47Z)

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。