Physical Sensor(물리적 센서)란 무엇입니까?
Physical Sensor 물리적 센서 - That is why we use to create the virtual sensor called observer to replace or make a redundancy with the physical sensor, by applying this type of sensor we can improve the performance of the system in terms of cost and especially in the case when we can not use the physical sensor. [1] We show that, with carefully designed training mechanism and automatically selected minimally noisy data, such a method is not only feasible, but gives higher results than many methods working on actual 3D inputs acquired from physical sensors. [2] Hence, the coupling between virtual and physical sensors can provide a richer description of the process to improve the process control and performance. [3] Recently, nested array has been proposed to estimate the direction of arrival (DoA) of $O(N^{2})$ sources using only $O(N)$ physical sensors. [4] Two virtual sensors, which are constructed in each group by LSTM with different input sensors and corresponding to the same physical sensor, could have the ability to predict the value of physical sensors. [5] Label-free evaluation and monitoring of living cell conditions or functions by means of chemical and/or physical sensors in a real-time manner are increasingly desired in the field of basic research of cells and clinical diagnosis. [6] Carbon nanotube (CNT) thin-film transistors are expected to be promising for use in flexible electronics including flexible and transparent integrated circuits and in wearable chemical and physical sensors and for driving the circuits of flexible display panels. [7] Capacitive displacement transducers (CDTs) have been widely used in many physical sensors, attributing to high-resolution, simple electricity and easy manufacturing process. [8] Cities can be observed through a broad set of sensing technologies, spanning from physical sensors in the streets, to socio-economic reports, to other kinds of sources that are able to represent the behaviour of the citizens and visitors, such as mobile phone records, social media posts, and other digital traces. [9] The co-prime MIMO array generates a non-redundant and uniform sub sum co-array with \({\text {O}}(MN)\) contiguous sensors using only \({\text {O}}(M+N)\) physical sensors. [10] Social networks have provided massive volume of data from billions of users, but data from these generic social sensors contain much more noise than physical sensors. [11] Since the AD processes experience a lack of physical sensors, an exponential nonlinear observer is designed to estimate and update the internal state of the process. [12] In this paper, the focus is on the gain and phase calibration of sparse sensor arrays to localize more sources than the number of physical sensors. [13] Among various psychophysical sensory measures, warmth detection and heat pain thresholds correlated best with intraepidermal nerve fiber density, particularly when assessed at the same anatomical site. [14] We further propose an approach to using PUFs as physical sensors to monitor the integrity of reconfigurable hardware against LVP and LVI attacks. [15] In general, they are based on physical sensors, or they exploit analytical techniques such as high-performance liquid chromatography, nuclear magnetic resonance spectroscopy, enzyme-linked immunosorbent assays or other bio-chemical devices to detect insects’ byproducts. [16] Floating car data (FCD) is becoming more and more relevant for mobility domain applications, overcoming issues derived by the use of physical sensors (e. [17] The theoretical framework of HMS starts from data sensing through physical sensors, proceeds along layers for data processing and reduction, and finally arrives at the decision-making step to assist doctors in the treatment of disease. [18] Such sensors play an important role in the Internet of Things, which includes sensing functions of all ages, from traditional sensors to physical sensors to smart sensors. [19] Spares arrays can attain $O(N^{2})$ degrees of freedom (DOF) usingonly $N$ physical sensors, which profits from the $O(N^{2})$ length of the central uniform linear array (ULA) segment in their difference coarray (DCA). [20] This leads to higher population density rates and traditional methods for collecting traffic information using physical sensors are expensive, however, by using social media tools information regarding traffic jam, road and traffic congestion can be improved. [21] The white noise generated by physical sensors is one of the important issues that affect the quality of states measurements. [22] Simulation results are provided to demonstrate the performance of the proposed E-FL-NA, whereas a higher number of detectable sources is achieved by the SE-ML-NA with a limited number of physical sensors. [23] Thus, to obtain the Situational Awareness for Agents with physical sensors, it is necessary to define a data fusion process to perform uncertainty treatment. [24] Flexible chemical sensors for sweat analysis as well as physical sensors for detecting tactile force, bending, and temperature will be discussed, with emphasis on materials, detection mechanisms, and device demonstration to realize multiplex human-interactive devices. [25] The main objective of this research is to exploit the practical use of new data types provided by physical sensors embedded in mobile devices, with the belief that specific new data types possibly benefit learning analytics. [26] Using data from the physical sensors, we verify the event stream supplied by the event sensors. [27] However, it also presents a number of challenges especially with regard to user participation and data quality, since the data resources may be strategic human agents instead of physical sensors. [28] We have further demonstrated the potential applications of these nonwoven fabrics as physical sensors for compression and bending. [29] However, it also presents a number of challenges especially with regard to user participation and data quality, since the data resources may be strategic human agents instead of physical sensors. [30]이것이 우리가 관찰자라는 가상 센서를 생성하여 물리적 센서를 대체하거나 이중화하는 데 사용하는 이유입니다. 이러한 유형의 센서를 적용하면 비용 면에서 시스템의 성능을 향상시킬 수 있습니다. 물리적 센서를 사용합니다. [1] 우리는 신중하게 설계된 훈련 메커니즘과 최소 노이즈 데이터를 자동으로 선택함으로써 이러한 방법이 실현 가능할 뿐만 아니라 물리적 센서에서 획득한 실제 3D 입력에 대해 작업하는 많은 방법보다 더 높은 결과를 제공한다는 것을 보여줍니다. [2] 따라서 가상 센서와 물리적 센서 간의 결합은 프로세스 제어 및 성능을 개선하기 위해 프로세스에 대한 보다 풍부한 설명을 제공할 수 있습니다. [3] 최근에는 $O(N)$ 물리적 센서만을 사용하여 $O(N^{2})$ 소스의 도달 방향(DoA)을 추정하기 위해 중첩 배열이 제안되었습니다. [4] 서로 다른 입력 센서를 사용하여 LSTM에 의해 각 그룹에 구성되고 동일한 물리적 센서에 해당하는 두 개의 가상 센서는 물리적 센서의 값을 예측하는 기능을 가질 수 있습니다. [5] 세포의 기초 연구 및 임상 진단 분야에서 실시간으로 화학적 및/또는 물리적 센서에 의한 살아있는 세포 상태 또는 기능의 무표지 평가 및 모니터링이 점점 더 요구되고 있습니다. [6] 탄소나노튜브(CNT) 박막트랜지스터는 유연하고 투명한 집적회로를 포함한 유연전자장치와 웨어러블 화학 및 물리적 센서와 유연 디스플레이 패널의 회로 구동에 유망할 것으로 기대된다. [7] 용량성 변위 변환기(CDT)는 고해상도, 간단한 전기 및 손쉬운 제조 공정으로 인해 많은 물리적 센서에 널리 사용되었습니다. [8] 도시는 거리의 물리적 센서부터 사회경제적 보고서, 휴대전화 기록과 같이 시민과 방문객의 행동을 나타낼 수 있는 다른 종류의 소스에 이르기까지 광범위한 감지 기술을 통해 관찰할 수 있습니다. 소셜 미디어 게시물 및 기타 디지털 흔적. [9] co-prime MIMO 어레이는 \({\text {O}}(M+N )\) 물리적 센서. [10] 소셜 네트워크는 수십억 명의 사용자로부터 방대한 양의 데이터를 제공했지만 이러한 일반 소셜 센서의 데이터에는 물리적 센서보다 훨씬 더 많은 노이즈가 포함되어 있습니다. [11] AD 프로세스는 물리적 센서가 부족하기 때문에 지수 비선형 관찰자는 프로세스의 내부 상태를 추정하고 업데이트하도록 설계되었습니다. [12] 이 백서에서는 물리적 센서의 수보다 더 많은 소스를 현지화하기 위해 희소 센서 어레이의 이득 및 위상 교정에 중점을 둡니다. [13] 다양한 정신물리학적 감각 측정 중에서 온기 감지와 열 통증 역치는 특히 동일한 해부학적 부위에서 평가될 때 표피내 신경 섬유 밀도와 가장 좋은 상관 관계를 나타냅니다. [14] 또한 PUF를 물리적 센서로 사용하여 LVP 및 LVI 공격에 대해 재구성 가능한 하드웨어의 무결성을 모니터링하는 접근 방식을 제안합니다. [15] 일반적으로 물리적 센서를 기반으로 하거나 고성능 액체 크로마토그래피, 핵자기 공명 분광법, 효소 결합 면역흡착 분석법 또는 기타 생화학 장치와 같은 분석 기술을 활용하여 곤충의 부산물을 감지합니다. [16] 플로팅 카 데이터(FCD)는 물리적 센서(예: [17] HMS의 이론적 틀은 물리적 센서를 통한 데이터 센싱에서 시작하여 데이터 처리 및 축소를 위한 계층을 거쳐 마침내 의사가 질병 치료에 도움이 되는 의사 결정 단계에 도달합니다. [18] 이러한 센서는 기존 센서에서 물리적 센서, 스마트 센서에 이르기까지 모든 연령대의 감지 기능을 포함하는 사물 인터넷에서 중요한 역할을 합니다. [19] 예비 어레이는 $N$ 물리적 센서만 사용하여 $O(N^{2})$ 자유도(DOF)를 얻을 수 있으며 이는 중앙 균일 선형 어레이(ULA)의 $O(N^{2})$ 길이에서 이익을 얻습니다. ) 세그먼트를 DCA(차이 코어레이)에 포함합니다. [20] 이로 인해 인구 밀도가 높아지고 물리적 센서를 사용하여 교통 정보를 수집하는 기존 방법은 비용이 많이 들지만 소셜 미디어 도구를 사용하면 교통 체증, 도로 및 교통 혼잡에 관한 정보를 개선할 수 있습니다. [21] 물리적 센서에서 발생하는 백색 잡음은 상태 측정의 품질에 영향을 미치는 중요한 문제 중 하나입니다. [22] 시뮬레이션 결과는 제안된 E-FL-NA의 성능을 입증하기 위해 제공되는 반면, 제한된 수의 물리적 센서를 사용하여 SE-ML-NA에 의해 더 많은 수의 감지 가능한 소스가 달성됩니다. [23] 따라서 물리적 센서가 있는 에이전트에 대한 상황 인식을 얻기 위해서는 불확실성 처리를 수행하기 위한 데이터 융합 프로세스를 정의해야 합니다. [24] 땀 분석을 위한 유연한 화학 센서와 촉각, 굽힘 및 온도를 감지하는 물리적 센서에 대해 논의하고 다중 인간 상호 작용 장치를 구현하기 위한 재료, 감지 메커니즘 및 장치 데모에 중점을 둡니다. [25] 이 연구의 주요 목적은 특정 새로운 데이터 유형이 학습 분석에 도움이 될 수 있다는 믿음과 함께 모바일 장치에 내장된 물리적 센서가 제공하는 새로운 데이터 유형의 실제 사용을 활용하는 것입니다. [26] 물리적 센서의 데이터를 사용하여 이벤트 센서에서 제공하는 이벤트 스트림을 확인합니다. [27] 그러나 데이터 리소스가 물리적 센서가 아닌 전략적 인간 에이전트일 수 있기 때문에 특히 사용자 참여 및 데이터 품질과 관련하여 여러 가지 문제가 발생합니다. [28] 우리는 압축 및 굽힘을 위한 물리적 센서로서 이러한 부직포의 잠재적인 응용을 추가로 시연했습니다. [29] 그러나 데이터 리소스가 물리적 센서가 아닌 전략적 인간 에이전트일 수 있기 때문에 특히 사용자 참여 및 데이터 품질과 관련하여 여러 가지 문제가 발생합니다. [30]
Multiple Physical Sensor 다중 물리적 센서
In other words, sensor fusion allows combination of multiple physical sensors to acquire accurate “ground truth,” although each sensor may be unreliable on its own. [1] These approaches can improve performance but have disadvantages, including the need for multiple physical sensors and calibration processes, both for multiple sensors and for tuning the image matching sequence length. [2] In sensor cloud, there are multiple physical sensor networks which are mapped with the virtual sensor networks using cloud in order to provide effective services to the users. [3]다시 말해, 센서 융합은 여러 물리적 센서의 조합을 통해 정확한 "지상 사실"을 획득할 수 있지만 각 센서는 그 자체로는 신뢰할 수 없습니다. [1] 이러한 접근 방식은 성능을 향상시킬 수 있지만 여러 센서와 이미지 일치 시퀀스 길이 조정 모두에 대해 여러 물리적 센서 및 보정 프로세스의 필요성을 포함하여 단점이 있습니다. [2] 센서 클라우드에는 사용자에게 효과적인 서비스를 제공하기 위해 클라우드를 사용하여 가상 센서 네트워크와 매핑되는 여러 물리적 센서 네트워크가 있습니다. [3]
Wearable Physical Sensor 웨어러블 물리적 센서
This work may have important prospects in flexible wearable physical sensors and individualized medical care. [1] Progress in wearable physical sensors has been remarkable giving rise to a number of consumer electronics products meant to measure parameters related to activity, posture, heart rate, respiration rate, and blood oxygen level. [2]이 작업은 유연한 웨어러블 물리적 센서 및 개별화된 의료에서 중요한 전망을 가질 수 있습니다. [1] 웨어러블 물리적 센서의 발전으로 인해 활동, 자세, 심박수, 호흡수 및 혈중 산소 수준과 관련된 매개변수를 측정하기 위한 많은 소비자 전자 제품이 등장했습니다. [2]
N Physical Sensor N 물리적 센서
In array processing, minimum redundancy arrays (MRA) can identify up to $\mathcal{O}\left( {{N^2}} \right)$ uncorrelated sources (the $\mathcal{O}\left( {{N^2}} \right)$ property) with N physical sensors, but this property is susceptible to sensor failures. [1] Sparse arrays are of great interest since they can identify $\mathcal{O}\left( {{N^2}} \right)$ uncorrelated sources with N physical sensors. [2]배열 처리에서 최소 중복 배열(MRA)은 최대 $\mathcal{O}\left( {{N^2}} \right)$ 상관 관계가 없는 소스($\mathcal{O}\left( {{N ^2}} \right)$ 속성) N개의 물리적 센서가 있지만 이 속성은 센서 오류에 취약합니다. [1] 희소 배열은 N개의 물리적 센서로 $\mathcal{O}\left( {{N^2}} \right)$ 상관 관계가 없는 소스를 식별할 수 있기 때문에 매우 중요합니다. [2]
Use Physical Sensor 물리적 센서 사용
Direct TPCF uses physical sensors, however, the indirect TPCF uses velocity and vibration sensors to monitor the tire pressure. [1] We chose to use physical sensors to estimate the behavior of older people. [2]직접 TPCF는 물리적 센서를 사용하지만 간접 TPCF는 속도 및 진동 센서를 사용하여 타이어 압력을 모니터링합니다. [1] 우리는 물리적 센서를 사용하여 노인의 행동을 추정하기로 했습니다. [2]
Expensive Physical Sensor 고가의 물리적 센서
The concept of a soft sensor, a software replacement for unavailable, delayed or simply an expensive physical sensor, has received a lot of attention in the last decade. [1] Instead of using the expensive physical sensor to measure directly the states of a vehicle, this paper proposes a “virtual sensor” which bases on the dynamical model of vehicle and an observation algorithm. [2]사용할 수 없거나 지연되거나 단순히 값비싼 물리적 센서를 소프트웨어로 대체하는 소프트 센서의 개념은 지난 10년 동안 많은 관심을 받았습니다. [1] 고가의 물리적 센서를 사용하여 차량의 상태를 직접 측정하는 대신, 본 논문에서는 차량의 동적 모델과 관찰 알고리즘을 기반으로 하는 "가상 센서"를 제안합니다. [2]
Variou Physical Sensor 다양한 물리적 센서
Internet of Things (IoT) is an emerging paradigm that connects various physical sensor devices spread across different locations. [1] By means of the provided functions, one can train an agent with the input of an image or various physical sensor measurement, or evaluate the perception algorithm on this simulator. [2]사물 인터넷(IoT)은 서로 다른 위치에 흩어져 있는 다양한 물리적 센서 장치를 연결하는 새로운 패러다임입니다. [1] 제공된 기능을 통해 이미지 입력 또는 다양한 물리적 센서 측정으로 에이전트를 훈련하거나 이 시뮬레이터에서 인식 알고리즘을 평가할 수 있습니다. [2]
physical sensor node 물리적 센서 노드
In a sensor-cloud, multiple sets of physical sensor nodes that are activated based on an application demand, in turn give rise to multiple distinct virtual sensors (VSs). [1] In this paper, we present a dynamic virtual sensor provisioning scheme for sensor-cloud-based IoT applications to maintain the energy efficiency of the deployed physical sensor nodes while maintaining the quality of service (QoS) of the service requests. [2] The proposed scheme is capable of selecting the physical sensor nodes to form a virtual sensor (VS), based on the sensing area coverage for an application region. [3] However, when a physical sensor node receives multiple services commands simultaneously, there will be some service collisions, namely, coupling resource management problem. [4] In this paper, a hybrid optimization based on two different virtual force algorithms inspired by the interactions among physical sensor nodes is proposed to address the self-consistent node deployment in a large-scale WSN. [5] In such an architecture, fog nodes with great computation and storage capacity are responsible for computing, dimension reduction and redundant removal for data collected from physical sensor nodes, and then transfer the processed and compressed data to surface center sink node. [6]센서 클라우드에서 애플리케이션 요구에 따라 활성화되는 여러 물리적 센서 노드 세트는 차례로 여러 개의 고유한 가상 센서(VS)를 발생시킵니다. [1] 이 논문에서는 서비스 요청의 서비스 품질(QoS)을 유지하면서 배포된 물리적 센서 노드의 에너지 효율성을 유지하기 위해 센서 클라우드 기반 IoT 애플리케이션을 위한 동적 가상 센서 프로비저닝 방식을 제시합니다. [2] nan [3] nan [4] nan [5] nan [6]
physical sensor datum 물리적 센서 데이터
Social media data and cloud cover temperature as physical sensor data was analyzed in this study using machine learning techniques. [1] Model-based operators can support event-detection and statistical aggregation operators, (2) M-Stream, a dataflow pipeline that combines model-based operators to perform computations reflecting the uncertainty of underlying data, and (3) M-Store, a storage layer separating the computation of application logic from physical sensor data management, to effectively deal with missing or delayed sensor data. [2] We use these results to discuss implementation strategies targeting: (1) caregiver activation and involvement in clinical conversation and decision-making, (2) patient and caregiver education about the disease trajectory of dementia, (3) life space function and using physical sensor data in dementia care, (4) measures of community integration for patients and caregivers, and (5) features of successful clinical conversations in this context. [3] On this matter the objectives of this study were: (1) to use both the combined electromagnetic induction (EMI) sensor and Ground Penetrating Radar (GPR) to characterize an innovative field experiment located in southern Italy, in which different agricultural practices are tested, including a soil hydraulic arrangement; (2) to implement a geostatistical approach in order to merge different geophysical sensor data as auxiliary variables for SWC estimation. [4] Kumar, Shaowu Bao, Vivek Singh and Jason Hallstrom, explores methods to fuse social sensor data, physical sensor data, and open demographic data to better react to flooding disasters. [5] By correlating physical sensor data with information on home's design, sunrise and sunset time according to day of year, time of day and weather data, novel services for consumed power statistics and efficiency of use of natural light were developed in the virtualized environment. [6]본 연구에서는 기계 학습 기법을 사용하여 물리적 센서 데이터인 소셜 미디어 데이터와 구름 덮개 온도를 분석했습니다. [1] 모델 기반 연산자는 이벤트 감지 및 통계 집계 연산자, (2) 모델 기반 연산자를 결합하여 기본 데이터의 불확실성을 반영하는 계산을 수행하는 데이터 흐름 파이프라인인 M-Stream 및 (3) 스토리지인 M-Store를 지원할 수 있습니다. 누락되거나 지연된 센서 데이터를 효과적으로 처리하기 위해 물리적 센서 데이터 관리에서 애플리케이션 로직 계산을 분리하는 계층. [2] nan [3] nan [4] nan [5] nan [6]
physical sensor model 물리적 센서 모델
These phenomenological models have a significantly higher reliability than simple ideal sensor models and require lower computing costs than realistic physical sensor models, which represents an optimal compromise for systematic investigations of sensor coverage. [1] Traditional stereo rectification methods of pushbroom images require metadata such as rational polynomial coefficients (RPCs), parameters of physical sensor model or ground control points (GCPs). [2] From the physical sensor model for KOMPSAT-5, virtual grids were created and utilized as the control points for generating the RFM. [3]이러한 현상학적 모델은 단순한 이상적인 센서 모델보다 훨씬 더 높은 신뢰성을 가지며 실제 물리적 센서 모델보다 낮은 컴퓨팅 비용이 필요하므로 센서 범위의 체계적인 조사를 위한 최적의 절충안을 나타냅니다. [1] 빗자루 이미지의 기존 스테레오 수정 방법에는 RPC(합리적인 다항식 계수), 물리적 센서 모델의 매개변수 또는 GCP(지상 제어점)와 같은 메타데이터가 필요합니다. [2] nan [3]
physical sensor field 물리적 센서 분야
Such a division allows the distributed inference algorithm to precisely identify the events of importance and their exact location in the physical sensor field. [1] A node scheduling algorithm is proposed to achieve maximum coverage of the physical sensor field with correlated sensor readings. [2]이러한 구분을 통해 분산 추론 알고리즘은 물리적 센서 필드에서 중요한 이벤트와 해당 이벤트의 정확한 위치를 정확하게 식별할 수 있습니다. [1] 상관된 센서 판독값과 함께 물리적 센서 필드의 최대 적용 범위를 달성하기 위해 노드 스케줄링 알고리즘이 제안됩니다. [2]
physical sensor number 물리적 센서 번호
Simulation results show that compared with the fourth-order cumulant method of uniform array and the traditional fourth-order cumulant method of coprime array, the proposed method can effectively improve the DOA estimation accuracy, and can achieve the effective DOA estimation of multitarget signals in the underdetermined conditions with the same physical sensor number. [1] As is well known, the prototype coprime arrays consist of two collinear subarrays, whose physical sensor number is coprime to each other. [2]시뮬레이션 결과는 균일 배열의 4차 누적 방법 및 공소수 배열의 기존 4차 누적 방법과 비교하여 제안된 방법이 DOA 추정 정확도를 효과적으로 향상시킬 수 있으며 다중 타겟 신호의 효과적인 DOA 추정을 달성할 수 있음을 보여줍니다. 동일한 물리적 센서 번호로 과소 결정된 조건. [1] 잘 알려진 바와 같이 프로토타입 coprime 어레이는 물리적 센서 번호가 서로 coprime인 두 개의 동일선상 하위 어레이로 구성됩니다. [2]
physical sensor network 물리적 센서 네트워크
A SAMERA is a geophysical sensor network that senses and processes geophysical sensor signals and computes a 3D subsurface image in situ in real time. [1] In sensor cloud, there are multiple physical sensor networks which are mapped with the virtual sensor networks using cloud in order to provide effective services to the users. [2]SAMERA는 지구 물리학 센서 신호를 감지 및 처리하고 현장에서 실시간으로 3D 지하 이미지를 계산하는 지구 물리학 센서 네트워크입니다. [1] 센서 클라우드에는 사용자에게 효과적인 서비스를 제공하기 위해 클라우드를 사용하여 가상 센서 네트워크와 매핑되는 여러 물리적 센서 네트워크가 있습니다. [2]
physical sensor device 물리적 센서 장치
Internet of Things (IoT) is an emerging paradigm that connects various physical sensor devices spread across different locations. [1] The proposed work relates to the development of Big-Sensor-Cloud Infrastructure (BSCI) that enhances the usability and management of the physical sensor devices. [2]사물 인터넷(IoT)은 서로 다른 위치에 흩어져 있는 다양한 물리적 센서 장치를 연결하는 새로운 패러다임입니다. [1] 제안된 작업은 물리적 센서 장치의 사용성과 관리를 향상시키는 BSCI(Big-Sensor-Cloud Infrastructure)의 개발과 관련이 있습니다. [2]