ترجمه فارسی مقاله فرآیند اطمینان بالا در فرآیند گاوسی در ردیابی هدف نقطه توزیع شده از شبکه های سنسور بی سیم

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Gaussian Process Upper Confidence Bounds in Distributed Point Target Tracking over Wireless Sensor Networks
عنوان مقاله به فارسی فرآیند اطمینان بالا در فرآیند گاوسی در ردیابی هدف نقطه توزیع شده از شبکه های سنسور بی سیم
نویسندگان Xingchi Liu, Lyudmila Mihaylova, Jemin George, Tien Pham
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Machine Learning,Statistics Theory,یادگیری ماشین , یادگیری ماشین , تئوری آمار ,
توضیحات Submitted 11 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Uncertainty quantification plays a key role in the development of autonomous systems, decision-making, and tracking over wireless sensor networks (WSNs). However, there is a need of providing uncertainty confidence bounds, especially for distributed machine learning-based tracking, dealing with different volumes of data collected by sensors. This paper aims to fill in this gap and proposes a distributed Gaussian process (DGP) approach for point target tracking and derives upper confidence bounds (UCBs) of the state estimates. A unique contribution of this paper includes the derived theoretical guarantees on the proposed approach and its maximum accuracy for tracking with and without clutter measurements. Particularly, the developed approaches with uncertainty bounds are generic and can provide trustworthy solutions with an increased level of reliability. A novel hybrid Bayesian filtering method is proposed to enhance the DGP approach by adopting a Poisson measurement likelihood model. The proposed approaches are validated over a WSN case study, where sensors have limited sensing ranges. Numerical results demonstrate the tracking accuracy and robustness of the proposed approaches. The derived UCBs constitute a tool for trustworthiness evaluation of DGP approaches. The simulation results reveal that the proposed UCBs successfully encompass the true target states with 88% and 42% higher probability in X and Y coordinates, respectively, when compared to the confidence interval-based method.

چکیده به فارسی (ترجمه ماشینی)

کمیت عدم اطمینان نقش مهمی در توسعه سیستم های خودمختار ، تصمیم گیری و ردیابی شبکه های سنسور بی سیم (WSN) دارد.با این حال ، نیاز به ارائه مرزهای اعتماد به نفس عدم اطمینان ، به ویژه برای ردیابی مبتنی بر یادگیری ماشین توزیع شده ، برخورد با حجم های مختلف داده های جمع آوری شده توسط سنسورها وجود دارد.این مقاله با هدف پر کردن این شکاف و پیشنهاد یک رویکرد توزیع شده گاوسی (DGP) برای ردیابی هدف نقطه و مرزهای اعتماد به نفس فوقانی (UCB) تخمین های دولت را ارائه می دهد.سهم منحصر به فرد این مقاله شامل ضمانت های نظری مشتق شده در رویکرد پیشنهادی و حداکثر دقت آن برای ردیابی با و بدون اندازه گیری درهم و برهمی است.به ویژه ، رویکردهای توسعه یافته با مرزهای عدم اطمینان عمومی هستند و می توانند با افزایش سطح قابلیت اطمینان ، راه حل های قابل اعتماد را ارائه دهند.یک روش فیلتر بیزی ترکیبی جدید برای تقویت رویکرد DGP با اتخاذ یک مدل احتمال اندازه گیری پواسون ارائه شده است.رویکردهای پیشنهادی در یک مطالعه موردی WSN ، که در آن سنسورها دارای محدوده سنجش محدود هستند ، تأیید می شوند.نتایج عددی نشان دهنده صحت ردیابی و استحکام رویکردهای پیشنهادی است.UCB های مشتق شده ابزاری برای ارزیابی اعتماد به نفس رویکردهای DGP است.نتایج شبیه سازی نشان می دهد که UCB های پیشنهادی با موفقیت در حالت های هدف واقعی با 88 ٪ و 42 ٪ احتمال بالاتر در مختصات X و Y ، به ترتیب ، در مقایسه با روش مبتنی بر فاصله اطمینان.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.