PulseAugur
实时 19:38:14
English(EN) Statistically-Guided Meta-Learning for Cross-Deployment Activity Recognition in Distributed Fiber-Optic Sensing

新的元学习框架改进了光纤传感活动识别

研究人员开发了DUPLE,一个新颖的元学习框架,旨在改进分布式光纤传感(DFOS)系统中的活动识别。该方法解决了不同部署之间的域偏移和新站点标记数据有限等挑战。DUPLE利用时域和频域信息,根据样本统计量调整类表示,以实现更准确和稳定的识别。 AI

影响 引入了一种新的元学习技术,以增强专业传感应用中的活动识别能力,有可能提高在实际部署中的鲁棒性。

排序理由 该集群包含一篇arXiv预印本,详细介绍了用于特定传感应用的新型统计元学习框架。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的元学习框架改进了光纤传感活动识别

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Yifan He, Haodong Zhang, Qiuheng Song, Lin Lei, Zhenxuan Zeng, Haoyang He, Hongyan Wu ·

    Statistically-Guided Meta-Learning for Cross-Deployment Activity Recognition in Distributed Fiber-Optic Sensing

    arXiv:2511.17902v3 Announce Type: replace-cross Abstract: Distributed Fiber Optic Sensing (DFOS) is promising for long-range perimeter security, yet practical deployment faces three key obstacles: severe cross-deployment domain shift, scarce or unavailable labels at new sites, an…