sensor data | BriefGPT - AI 论文速递

关键词sensor data

搜索结果 - 63

大型语言模型记忆传感器数据集！对人类活动识别研究的影响
调查证实了大型语言模型在人体活动识别中可能通过训练中接触到传感器数据，可能对实验评估结果产生重要影响。
PDF25 days ago
基于超级本地气象预测的动态导线额定功率：一种机器学习方法
利用机器学习技术和超局部天气预报数据，本研究提出了一种新颖的方法来解决传统动态线路额定容量（DLR）方法中遇到的挑战，采用传感器数据无法灵活应对快速变化的天气条件等问题，进而提高可再生能源与输电网的集成效率和可靠性。通过整合地形数据，该方法
PDFa month ago
GLIP：深度生成网络完成电磁场暴露图
使用生成对抗网络中的生成器网络重建仅依赖传感器数据的电磁场公开图，产生准确的估计结果。
PDF2 months ago
基于不确定性感知的贝叶斯神经网络实用电池健康监测
基于贝叶斯神经网络和传感器数据，本研究针对电池健康监测和终端寿命预测进行建模，在实验中验证了建议模型的有效性，预测误差率平均值为 13.9%，对特定测试电池可降至 2.9%；同时，预测结果包含可量化的确定性信息，从电池初始到中期使用阶段提高
PDF2 months ago
CVPROOSTraj: 视觉定位去噪下的隐形轨迹预测
通过利用视觉定位技术，我们提出了一种新的方法来预测失去视线的轨迹，该方法能够在无监督的情况下去噪传感器观测，并将基于传感器的轨迹精确映射到视觉轨迹。该方法在失去视线的噪声传感器轨迹去噪和预测方面展示了最先进的性能，在 Vi-Fi 和 JRD
PDF3 months ago
DeepHeteroIoT: 深度局部和全局学习在异构 IoT 传感器数据上
提出了一种新颖的深度学习模型，结合了卷积神经网络和双向门控循环单元，以端到端的方式学习本地和全局特征，并验证了在异构物联网传感器数据上优于最新的分类方法和多个机器学习和深度学习基线的有效性。
PDF3 months ago
通过定性场景理解和解释实现可靠的自动驾驶
自动驾驶中使用的定性可解释图 (QXG) 能够通过传感器数据和机器学习模型解释自动驾驶车辆的环境，利用时空图和定性约束从原始传感器输入中提取场景语义，支持实时增量构建，可用于车内解释和决策合理化。
PDF3 months ago
P2LHAP: 基于可穿戴传感器的人体活动识别、分割和预测的 Patch-to-Label Seq2Seq Transformer
传统深度学习方法难以从传感器数据中同时分割、识别和预测人类活动，限制了其在医疗保健和辅助生活等领域的实时理解能力。本文介绍了 P2LHAP，一种新颖的 Patch-to-Label Seq2Seq 框架，有效地解决了这三个任务，将传感器数据
PDF4 months ago
基于大型语言模型的自动驾驶的混合推理
研究表明，大型语言模型（LLMs）在自动驾驶场景中能够适应和应用算术和常识推理的组合，通过分析检测到的物体和传感器数据、理解驾驶法规和物理规律，并提供额外的上下文信息，从而改善自动驾驶车辆的制动和油门控制，以做出更准确的决策。
PDF4 months ago
EBV: 电子蜜蜂兽医 —— 蜜蜂时间序列的原则性挖掘和预测
蜜蜂和温度对蜜蜂健康的影响的研究，提出了一种基于传感器数据的 EBV（电子兽医）方法用于预测蜜蜂行为和发出警告。研究发现 EBV 方法对多个实际时间序列的预测准确，并可检测出不连续性，显示其潜力和实际可行性。
PDF5 months ago
通过定性场景理解和解释实现可信的自动驾驶
我们提出了定性可解释图（QXG）：一种用于城市移动中场景理解的统一符号和定性表示。QXG 利用时空图和定性约束从原始传感器输入（如 LiDAR 和相机数据）中提取场景语义，为自动车辆的环境进行解读，从而提供了一种可理解的场景模型。QXG 具
PDF5 months ago
流式感知在移动生态系统中的认知智能代理
通过流式代理感知方法，利用传感器数据在智能手机上实现对有意义情境的感知，以应对挑战性感知数据的低抽象级和多时间空间模式的检测。
PDF5 months ago
利用隐式神经网络从稀疏观测中持续场重构
本研究采用隐式神经表示方法，从稀疏的传感器数据中可靠地重构物理场。通过将时空变化分解为空间和时间分量，并利用因变量分离技术从稀疏采样的不规则数据点中学习相关基函数，从而发展出数据的连续表示。在实验评估中，该模型在模拟数据和卫星海面温度数据集
PDF5 months ago
CLAN: 基于对比学习的新颖性检测框架用于人体活动识别
在环境辅助生活中，通过对时间序列传感器数据进行人类活动识别，主要关注预定义活动，通常忽略新的活动模式。本研究提出了一种基于对比学习的 CLAN 框架，用于人体活动识别的新颖性检测，该框架具有多种类型的负样本，并考虑到人类活动的特征挑战，包括
PDF6 months ago
AAAI基于可穿戴设备的应用中的表示学习及缺失数据案例研究
穿戴设备中的缺失数据填充问题的研究，通过比较表示学习和统计方法，发现变化频繁的信号可以使用 Transformer 模型进行更准确的填充，为解决穿戴设备中的数据缺失问题提供了启示。
PDF6 months ago
灵活计数：野外人类动作范例识别与小样本计数
本研究通过使用可穿戴设备的传感器数据来计算人类感兴趣的动作的数量，提出了一种新颖的基于样例的框架，允许用户通过发出预定义声音 ''one''、''two'' 和 ''three'' 来提供所需计数的样例。我们的方法首先从音频序列中定位这些话
PDF6 months ago
人体动作识别中对比式左右可穿戴传感器 (IMUs) 一致性匹配
利用机器学习算法的自我学习和传感器数据的对比匹配，可以解决实际数据标注的瓶颈问题，提高人体活动识别系统的性能。
PDF7 months ago
FedOpenHAR：传感器基于的人体活动识别的联邦多任务迁移学习
该研究论文探讨了在多任务环境下的联邦迁移学习，用于基于传感器的人体活动识别和设备位置识别任务，并通过使用 OpenHAR 框架和 DeepConvLSTM 结构在联邦学习环境中进行了多个实验，结果显示相比个别客户端训练和完全集中化方法，利用
PDF8 months ago
传感器为基础的人体活动识别中的博弈论解决方案：一综述
这篇研究论文探讨了博弈论作为解决人体活动识别（HAR）问题的潜力，通过提出新颖的博弈论方法来填补博弈论与 HAR 研究之间的鸿沟，以提高 HAR 模型的准确性和鲁棒性，优化识别算法，并与现有的 HAR 方法进行对比，旨在为基于传感器的 HA
PDF8 months ago
Adv3D: 通过封闭环模拟生成安全关键的三维物体
使用实际场景进行闭环传感器模拟以评估自主性能，通过优化车辆形状来研究场景外观变化对自主性能的影响。
PDF8 months ago