Jun, 2023

用于纳米机械质谱的机器学习和卡尔曼滤波技术

PDF
TL;DR本研究提出了一种 Kalman 滤波算法，并与机器学习相结合，用于 Nanomechanical resonant sensors 的事件检测和质谱分析。研究表明，该方法可以提高事件检测的精度和速度。
nanomechanical resonant sensorskalman filtering techniquemachine learningevent detectionmass spectrometry
发现论文，激发创造
  • 神经卡尔曼滤波

    本文介绍了一种基于梯度下降逼近的 Kalman 滤波方法，其仅需要进行加权预测误差的局部计算，同时还提出了一种适应性学习规则。作者在一个简单的 Kalman 滤波任务中展示了该方法的性能，并提出了一种神经实现方法。

    Feb, 2021

  • 大规模 MIMO 信道预测：卡尔曼滤波与机器学习

    本文研究基于真实无线信道模型的大规模 MIMO 系统通道预测技术，提出并比较了基于向量卡尔曼滤波器和基于机器学习的通道预测方法，数值结果表明这两种方法均比传统方法具有更高的精确度和数据速率。

    Sep, 2020

  • 基于机器学习的自动化传感器数据录制时间序列中频率事件检测算法

    该研究提出了一种新的事件检测方法，能够在时间序列数据中识别基于频率的事件，并通过对象检测模型将事件映射回时间序列数据以标记相应的时间间隔。该算法在未知数据集上评估时，在事件检测方面达到了 0.97 的准确率，提供了清晰的时间间隔边界，对于人工视觉检测来说这是一项具有挑战性的任务。将这种方法应用到车辆开发过程中，提高了事件检测的准确性和可靠性，对于快速测试分析非常重要。

    Oct, 2023

  • 结合数据同化和机器学习推断未解决的尺度参数化

    本文提出了一种基于机器学习和数据同化的方法，用于从具有噪声和稀疏观测的直接数据中训练基于参数化模型的机器学习模型，在 Lorenz 模型和 MAOOAM 模型中证明，相较于截断模型，该模型具有更好的对系统吸引子的预测能力和更好的预测技能。

    Sep, 2020

  • 室内毫米波定位利用多个自主学习的微型神经网络

    本研究提出了使用多层感知机神经网络（NN）在大型室内环境中定位移动毫米波客户端的方法。通过选择多个经过自监督训练的小型 NN，并根据最佳 NN 进行切换，我们解决了定位准确性不足的问题。我们提出了两种切换方案：基于卡尔曼滤波和基于训练数据的统计分布。通过模拟分析，我们证明了我们的方法优于几何定位方案和使用单个 NN 的方法。

    Nov, 2023

  • 利用神经形态计算进行高能物理实验的传感器数据过滤

    本文研究了基于神经形态计算的尖峰神经网络（SNN）模型，用于过滤在高能物理实验中使用的传感器电子学数据。我们提出了一种开发紧凑型神经形态模型的方法，该模型根据粒子的横向动量过滤传感器数据，以减少发送到下游电子设备的数据量。传入的电荷波形被转换为二进制事件流，并由 SNN 进行处理。我们提供了关于各种系统设计选择的见解 —— 从数据编码到训练算法的最佳超参数，为了获得一个精确而紧凑的用于硬件部署的 SNN。我们的结果表明，使用进化算法和优化的超参数训练的 SNN 获得了约 91% 的信号效率，并且参数数量几乎是深度神经网络的一半。

    Jul, 2023

  • 粒子物理学中的异常检测机器学习

    粒子物理学中使用机器学习进行异常检测的最新技术进行综述，讨论了在大型复杂数据集中进行异常检测的挑战，并强调了在粒子物理实验中异常检测的成功应用。

    Dec, 2023

  • 利用机器学习进行共振新物理的异常检测

    介绍一种新的不受模型限制的异常检测技术，利用现代机器学习算法，应用于双喷注谐振搜索，将仅有的 2sigma 超出量变为 7sigma 超出量，从而找到与现有物理模型不符的中间 BSM 粒子。

    May, 2018

  • 机器学习在聚焦气凝胶探测器方面的应用

    超魅力 -τ 工厂实验的粒子识别将由聚焦增量环形成像切伦科夫探测器 (FARICH) 提供，探测器位置的特殊性使得适当的冷却困难，因此捕获了大量的环境背景杂讯，需要减轻以减少数据流并提高粒子速度分辨率，在这项工作中，我们提出了几种根据计算机视觉中的机器学习技术的方法来过滤信号杂讯。

    Dec, 2023

  • 使用事件传感器的实时聚类和多目标跟踪

    本文提出了利用事件驱动视觉传感器的独特特性进行实时聚类的技术，以降低计算成本，提高多目标跟踪的准确性。通过数据集和实际物体操纵任务的实验验证了该方法的有效性。

    Jul, 2018