論文の概要: When Temporal Perturbations Act Like Sensor Biases: Label-Free Auditing of Wearable Activity Recognizers
- arxiv url: http://arxiv.org/abs/2609.29937v1
- Date: Thu, 24 Sep 2026 15:03:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:10.038231
- Title: When Temporal Perturbations Act Like Sensor Biases: Label-Free Auditing of Wearable Activity Recognizers
- Title（参考訳）: センサー・バイアーズのような時間的摂動:ウェアラブル・アクティビティ・レセプターのラベルなし監査
- Abstract要約: 本研究では,学習やテストから遠ざかる被験者の校正窓に,位相ランダム化フルウィンドウ刺激に適合するラベル付き監査であるSpectrumAuditを紹介する。
選択後、その正確なDCプロジェクションと予算に制約のあるゼロ平均残差を同じ凍った犠牲者に再適合させることなく再生する。
- 参考スコア（独自算出の注目度）: 2.993389149363549
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Wearable human-activity recognition (HAR) models operate across sensors, subjects, and backbones, yet a smooth waveform may appear temporal while exploiting a persistent sensor offset primarily. We introduce SpectrumAudit, a label-sealed audit that fits a phase-randomized full-window stimulus on calibration windows from subjects held out from training and testing. After selection, it replays its exact DC projection and budget-constrained zero-mean residual on the same frozen victim without refitting. Across 27 victims from three datasets and three backbones, the selected waveforms cause 2.87-40.83-point three-phase robust accuracy losses. Under this replay budget, DC is more damaging than AC on 24/27 victims and recovers at least 90% of the full drop on 22/27; all 5 failures occur on WISDM. In a held-out UTD-MHAD check, the selected waveform causes 13.49-pp accuracy and 11.68-pp macro-F1 losses, versus -0.66 pp for matched random changes. The audit diagnoses offset versus zero-mean variation under a common peak-budget cap. The code will be released upon acceptance.
- Abstract（参考訳）: ウェアラブルなヒューマンアクティビティ認識(HAR)モデルは、センサー、被験者、バックボーン間で動作するが、スムーズな波形は、主に永続的なセンサーオフセットを利用して時間的に現れる。
本研究では,学習やテストから遠ざかる被験者の校正窓に,位相ランダム化フルウィンドウ刺激に適合するラベル付き監査であるSpectrumAuditを紹介する。
選択後、その正確なDCプロジェクションと予算に制約のあるゼロ平均残差を同じ凍った犠牲者に再適合させることなく再生する。
3つのデータセットと3つのバックボーンから27人以上の犠牲者がおり、選択された波形は2.87-40.83点の3段階の精度損失を引き起こす。
このリプレイ予算の下では、DCは24/27の犠牲者に対してACよりも被害を受けており、22/27の損失の少なくとも90%を回復している。
UTD-MHADチェックでは、選択された波形は13.49-ppの精度と11.68-ppのマクロF1の損失を引き起こす。
監査は共通のピーク予算キャップの下でオフセットとゼロ平均変動を診断する。
コードは受理時にリリースされます。
関連論文リスト
- AquaMend: Minimal Re-probing and Conditional Rollback for Latent-Belief Failures in Embodied Agents [23.337499695293744]
AquaMendは、re-probing, rollback, Support continuation on a probe-belief-action graphの比較を行う。
ジョイント後部は条件検出パワースクリーニングによるワンステップポリシーを導出する。
論文 参考訳（メタデータ） (2026-09-24T03:39:48Z) - Offline Reinforcement Learning for Distribution-Grid Protection [42.05746375597851]
我々は,CIGRE中電圧ネットワークの静的軌跡からの線選択的トリップについて検討した。
畳み込みQネットワークは、因果電圧電流ファサーおよび見かけインピーダンス特徴を受信する。
その結果,密度予測性能と終端保護挙動がモデルランキングに影響を及ぼす可能性が示唆された。
論文 参考訳（メタデータ） (2026-09-21T14:49:04Z) - Beyond Control Points: Arcsecond Relative-Motion Estimation of Vision Measurement Platforms With Incomplete or Absent Control Fields [43.43572961146893]
画像の変位や既知の3D点から直接プラットフォームの動きを推定する制御適応微分フレームワークを開発した。
我々は、回転可観測条件、非モデル翻訳および非剛点運動のためのリークバウンド、および単一点軸偏差法を導出する。
論文 参考訳（メタデータ） (2026-08-14T03:41:30Z) - Wolff-Parkinson-White Detection at 471:1 Class Imbalance: A Leakage-Controlled Study of the Data Bottleneck [0.0]
Wolff-Parkinson-White症候群 (WPW) は先天性心前駆症であり、臨床的には重要であり、12誘導心電図では欠落することが多い。
PTB-XL と Chapman-Shaoxing-Ningbo の2つの公開 12-lead corpora: 66,951 レコード,142 レコードの WPW は 0.21% (約471:1) である。
事前に規定された1つのリーク制御プロトコルの下では、ホールドアウトフォールドが正確に1回接触し、信号の7つの表現を比較し、分割と評価を固定する。
論文 参考訳（メタデータ） (2026-07-27T20:57:46Z) - Delay-Aware Active Triangulation with Uncertainty-Driven Multi-Agent Reinforcement Learning for Counter-UAS [5.4271995156436965]
マルチエージェントアクティブな視覚三角測量により、移動オブザーバを制御可能なカメラで調整することにより、航空目標の正確な3次元位置決めが可能になる。
我々は,Counter-UASアプリケーションにおけるターゲットローカライゼーションのための遅延認識,不確実性駆動型マルチエージェント強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-07T07:58:13Z) - Online Shift Detection and Conformal Adaptation for Deployed Safety Classifiers [0.0]
デプロイされた安全分類器における分散シフトのオンラインモニタリングシステムを提案する。
検出後、共形吸収層は、目標誤差を回復する決定に適応する。
このシステムは平均遅延39.5800ステップで86.6%の検知を実現している。
論文 参考訳（メタデータ） (2026-06-10T11:24:25Z) - Proactive for Uncertainty: Cause-Aware Error Diagnosis and Interactive Clarification for Spoken Dialogue Systems [40.265250435329456]
本稿では,SDSにおけるロバスト性を根本的に再考する原因認識型エラー回復パラダイムを提案する。
従来の信頼度フィルタリングとは異なり、我々は小さな精度に焦点を絞った検出器群を導入している。
この微細な診断知能は、LLMがターゲットとするマルチターンの明確化戦略を編成する権限を与える。
論文 参考訳（メタデータ） (2026-05-25T03:57:38Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - TRIAGE: Type-Routed Interventions via Aleatoric-Epistemic Gated Estimation in Robotic Manipulation and Adaptive Perception -- Don't Treat All Uncertainty the Same [2.755751829139168]
ほとんどの不確実性を認識したロボットシステムは、予測の不確実性を単一のスカラースコアに分解し、それを使って一様に修正された応答をトリガーする。
このアグリゲーションは、破損した観測結果から不確実性が生じるか、あるいは学習されたモデルと真のシステム力学とのミスマッチから生じるのかを曖昧にしている。
本研究では,不確かさを動脈およびてんかん成分に分解する軽量なポストホックフレームワークを導入し,これらの信号を用いて推論時のシステム応答を調節する。
論文 参考訳（メタデータ） (2026-03-09T09:07:43Z) - DC-Solver: Improving Predictor-Corrector Diffusion Sampler via Dynamic Compensation [68.55191764622525]
拡散モデル(DPM)は、視覚合成において顕著な性能を示すが、サンプリング中に複数の評価を必要とするため、計算コストが高い。
最近の予測器合成・拡散サンプリング装置は,要求される評価回数を大幅に削減したが,本質的には誤調整の問題に悩まされている。
我々はDC-CPRrと呼ばれる新しい高速DPMサンプリング装置を導入する。
論文 参考訳（メタデータ） (2024-09-05T17:59:46Z) - RULSurv: A probabilistic survival-based method for early censoring-aware prediction of remaining useful life in ball bearings [39.58317527488534]
Kullback-Leibler分散とRUL推定を用いた早期故障検出のための新しいフレキシブルな手法を提案する。
我々は,XJTU-SYデータセットにおいて,3つの異なる操作条件にまたがる5倍のクロスバリデーション戦略を用いてアプローチを実証する。
提案手法は,最大荷重下での5軸受の平均累積相対精度(CRA)を0.7586で達成し,複数の最先端ベースラインを改良する。
論文 参考訳（メタデータ） (2024-05-02T16:17:29Z)
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。