- Объединение данных для прогнозирования долгосрочного воздействия программ (arXiv)
Автор:Майкл В. Роббинс, Себастьян Баухофф, Лейн Бюргетт
Аннотация. Политики часто нуждаются в информации о долгосрочном воздействии программ, которая недоступна при принятии решений. Мы демонстрируем, как методы объединения данных могут использоваться для решения проблемы отсутствия окончательных результатов и прогнозирования долгосрочных последствий вмешательств до того, как будут доступны необходимые данные. Мы реализуем этот метод путем объединения данных о вмешательстве с дополнительными долгосрочными данными, а затем вменения отсутствующих долгосрочных результатов с использованием краткосрочных суррогатных результатов при аппроксимации неопределенности с помощью методов репликации. Мы используем моделирование для проверки эффективности методологии и применяем метод в тематическом исследовании. В частности, мы объединяем данные эксперимента по медицинскому страхованию штата Орегон с данными Национального исследования долгосрочной смертности и оцениваем, что право на получение субсидируемого медицинского страхования приведет к статистически значимому снижению долгосрочной смертности.
2. Глубокое обучение в мультимодальном объединении данных дистанционного зондирования: всесторонний обзор (arXiv)
Автор:Цзясин Ли, Даньфэн Хун, Лянру Гао, Цзин Яо, Кэ Чжэн, Бин Чжан, Джоселин Шануссот.
Аннотация. Благодаря чрезвычайно быстрому развитию технологии дистанционного зондирования (ДЗ) большое количество данных наблюдения Земли (ЭЗ), отличающихся значительной и сложной неоднородностью, в настоящее время легко доступно, что дает исследователям возможность решать текущие проблемы. геолого-геофизические приложения по-новому. Благодаря совместному использованию данных EO многие исследования по мультимодальному слиянию данных RS достигли огромного прогресса в последние годы, однако эти разработанные традиционные алгоритмы неизбежно сталкиваются с узким местом в производительности из-за отсутствия возможности всестороннего анализа и интерпретации этих сильно разнородных данных. Следовательно, это существенное ограничение вызывает повышенный спрос на альтернативный инструмент с мощными возможностями обработки. Глубокое обучение (ГО) как передовая технология стало свидетелем замечательных прорывов в многочисленных задачах компьютерного зрения благодаря впечатляющим возможностям представления и реконструкции данных. Естественно, он был успешно применен в области мультимодального объединения данных ДЗЗ, что дало значительное улучшение по сравнению с традиционными методами. Этот обзор направлен на то, чтобы представить систематический обзор объединения мультимодальных данных ДЗ на основе DL. В частности, сначала даются некоторые важные знания по этой теме. Впоследствии проводится обзор литературы для анализа тенденций в этой области. Некоторые преобладающие подполя мультимодального объединения данных ДЗЗ затем анализируются с точки зрения модальностей данных, подлежащих объединению, т. е. пространственно-спектральных, пространственно-временных, обнаружения света и дальномерных оптических данных, радиолокационно-оптических измерений с синтезированной апертурой и ДЗЗ-геопространственных больших измерений. Слияние данных. Кроме того, мы собираем и обобщаем некоторые ценные ресурсы для развития мультимодального объединения данных ДЗЗ. Наконец, выделены оставшиеся проблемы и потенциальные будущие направления.
3. Объединение данных датчиков на картах сетки с видом сверху с использованием доказательного рассуждения с расширенным разрешением конфликтов (arXiv)
Автор:Свен Рихтер, Франк Бидер, Саша Виргес, Кристоф Стиллер
Аннотация: мы представляем новый метод объединения доказательных карт сетки вида сверху, оцененных на основе разнородных источников датчиков. Правило комбинации Демпстера, которое обычно применяется в этом контексте, дает нежелательные результаты с очень противоречивыми входными данными. Поэтому мы используем более продвинутые методы доказательного рассуждения и улучшаем разрешение конфликтов, моделируя надежность источников доказательств. Мы предлагаем оценку надежности на основе данных для оптимизации качества слияния с использованием набора данных Kitti-360. Мы применяем предложенный метод к объединению данных LiDAR и стереокамеры и оцениваем результаты качественно и количественно. Результаты показывают, что предлагаемый нами метод надежно сочетает измерения от разнородных датчиков и успешно разрешает конфликты датчиков.
4. Мультимодальное слияние данных голоса и ЭМГ для Robotic Contro (arXiv)
Автор:Таухид Хан Мохд, Джексон Карвальо, Ахмад И Джавид
Аннотация. Носимое электронное оборудование постоянно развивается и усиливает интеграцию человека с технологиями. Доступные в различных формах, эти гибкие и гибкие устройства воспринимают и могут измерять физиологические и мышечные изменения в человеческом теле и могут использовать эти сигналы для управления машиной. Группа жестов MYO, одно из таких устройств, захватывает данные электромиографии (ЭМГ) с использованием миоэлектрических сигналов и преобразует их для использования в качестве входных сигналов с помощью некоторых предопределенных жестов. Использование этого устройства в мультимодальной среде не только увеличит количество возможных видов работ, которые могут быть выполнены с помощью такого устройства, но и поможет повысить точность выполняемых задач. В этой статье рассматривается слияние входных модальностей, таких как речь и миоэлектрические сигналы, захваченные через микрофон и полосу MYO, соответственно, для управления роботизированной рукой. Также представлены полученные экспериментальные результаты, а также их точность для анализа производительности.
