論文の概要: Adaptive search with path-constrained mobile sensors using multi-arm bandits

• arxiv url: http://arxiv.org/abs/2610.40431v1
• Date: Thu, 29 Oct 2026 16:52:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.541608
• Title: Adaptive search with path-constrained mobile sensors using multi-arm bandits
• Title（参考訳）: 多腕バンディットを用いた経路拘束型移動センサによる適応探索
• Abstract要約: 本研究では,エネルギー制約された移動センサチームによって収集されたノイズの多いオンライン測定から,関心領域を検出するための制約付き逐次決定問題について検討する。 センサの動きは、モビリティの制約を満足し、充電ステーションへの帰還を要求して利用可能なエネルギーを制限し、既知の障害物を避けるための計算可能な経路のセットに制限される。 収集したデータから計算した信頼境界を用いて経路を適応的に割り当てる反復探索アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 7.885791308159924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study a constrained sequential decision problem for detecting regions of interest from noisy online measurements collected by a team of energy-constrained mobile sensors. The sensor motion is restricted to a precomputed set of feasible paths that satisfy mobility constraints, limited available energy by requiring return to charging stations, and avoidance of known obstacles. We cast the resulting active path selection as a multi-armed bandit problem and propose an iterative search algorithm that adaptively assigns paths using confidence bounds computed from the collected data. We also propose a graph-based method to construct low-cardinality path covers under the team's constraints. We establish finite-time and anytime probabilistic correctness guarantees for the proposed algorithm, derive non-asymptotic upper bounds on the times required to detect all regions of interest and to label all nodes, and show that these bounds match algorithm-independent lower bounds up to constant factors for a broad class of problem instances. Using numerical simulations, we illustrate the behavior of the proposed approach and the effect of path redundancy and team size on search performance.
• Abstract（参考訳）: 本研究では,エネルギー制約された移動センサチームによって収集されたノイズの多いオンライン測定から,関心領域を検出するための制約付き逐次決定問題について検討する。 センサの動きは、モビリティの制約を満足し、充電ステーションへの帰還を要求して利用可能なエネルギーを制限し、既知の障害物を避けるための計算可能な経路のセットに制限される。 提案手法は,得られたデータから算出した信頼境界を用いて経路を適応的に割り当てる反復探索アルゴリズムを提案する。 また,チームの制約の下で低心拍数パスのカバーを構築するためのグラフベースの手法を提案する。 我々は,提案アルゴリズムの有限時間確率的正当性保証を確立し,すべての関心領域を検出し,すべてのノードをラベル付けするのに要する時間における漸近的でない上限を導出し,これらの境界がアルゴリズムに依存しない下限と一致することを示す。 数値シミュレーションを用いて,提案手法の動作と経路冗長性およびチームサイズが探索性能に及ぼす影響について述べる。

関連論文リスト

• Active Timepoint Selection for Learning Measure-Valued Trajectories [55.49809248697036]
  スナップショットから連続確率パスを推定することは、単細胞生物学のような領域における根本的な課題である。 スパース測度空間にアクティブな実験を拡張するフレームワークを導入する。 これにより、不確実性を最小限に抑えるために測定時間を反復的に選択する取得ポリシーが得られる。
  論文  参考訳（メタデータ） (2026-05-28T22:22:35Z)
• Single-loop Algorithms for Stochastic Non-convex Optimization with Weakly-Convex Constraints [49.76332265680669]
  本稿では、目的関数と制約関数の両方が弱凸である問題の重要な部分集合について検討する。 既存の手法では、収束速度の遅さや二重ループ設計への依存など、しばしば制限に直面している。 これらの課題を克服するために,新しい単一ループペナルティに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-04-21T17:15:48Z)
• Robust Stochastically-Descending Unrolled Networks [85.6993263983062]
  Deep Unrolling(ディープ・アンローリング)は、トレーニング可能なニューラルネットワークの層に切り捨てられた反復アルゴリズムをアンロールする、新たな学習最適化手法である。 アンロールネットワークの収束保証と一般化性は、いまだにオープンな理論上の問題であることを示す。 提案した制約の下で訓練されたアンロールアーキテクチャを2つの異なるアプリケーションで数値的に評価する。
  論文  参考訳（メタデータ） (2023-12-25T18:51:23Z)
• Bagged Regularized $k$-Distances for Anomaly Detection [9.062164411594175]
  BRDAD (Bagged regularized $k$-distances for Anomaly Detection) と呼ばれる距離に基づく新しいアルゴリズムを提案する。 我々のBRDADアルゴリズムは、重み付けされた密度推定のための$k$-distances(BWDDE)の実証的リスクの有限標本境界を最小化して重みを選択する。 提案手法は,他の手法と比較してバギング手法を導入することにより,実世界のデータセット上での優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-12-02T07:00:46Z)
• Efficient Transfer Learning via Causal Bounds [8.981637739384674]
  我々は、因果側情報がどのようにオンライン学習を加速するかを分析し、データ削減の実験を行う。 我々の分析は、因果側情報がどのようにオンライン学習を加速させるか、およびデータ削減の実験を正確に特徴付ける。
  論文  参考訳（メタデータ） (2023-08-07T13:24:50Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Sensitive Samples Revisited: Detecting Neural Network Attacks Using Constraint Solvers [0.0]
  ニューラルネットワークは多くのセキュリティ関連および安全性関連ドメインで使用されている。 それらは、その分類能力を覆す攻撃の標的として人気がある。 本稿では,シンボリック制約解法を用いた代替案を提案する。
  論文  参考訳（メタデータ） (2021-09-07T01:34:02Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)

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。