論文の概要: On the Path to High Precise IP Geolocation: A Self-Optimizing Model
- arxiv url: http://arxiv.org/abs/2004.01531v1
- Date: Fri, 3 Apr 2020 12:45:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-27 01:04:27.334005
- Title: On the Path to High Precise IP Geolocation: A Self-Optimizing Model
- Title(参考訳): 高精度IP測位への道について:自己最適化モデル
- Authors: Peter Hillmann, Lars Stiemert, Gabi Dreo, Oliver Rose
- Abstract要約: IPジオロケーション(IP Geolocation)は、将来のインターネットにおいて、アプリケーションサービスのための地理的位置情報を提供するための重要な手段である。
本稿では,位置決定のための高精度かつ自己最適化モデルを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: IP Geolocation is a key enabler for the Future Internet to provide
geographical location information for application services. For example, this
data is used by Content Delivery Networks to assign users to mirror servers,
which are close by, hence providing enhanced traffic management. It is still a
challenging task to obtain precise and stable location information, whereas
proper results are only achieved by the use of active latency measurements.
This paper presents an advanced approach for an accurate and self-optimizing
model for location determination, including identification of optimized
Landmark positions, which are used for probing. Moreover, the selection of
correlated data and the estimated target location requires a sophisticated
strategy to identify the correct position. We present an improved approximation
of network distances of usually unknown TIER infrastructures using the road
network. Our concept is evaluated under real-world conditions focusing Europe.
- Abstract(参考訳): IPジオロケーション(IP Geolocation)は、将来のインターネットにおいて、アプリケーションサービスのための地理的位置情報を提供するための重要な手段である。
例えば、このデータはコンテンツ配信ネットワークによってユーザをミラーサーバに割り当てるために使用され、それによってトラフィック管理が強化される。
正確な位置情報を得るのは依然として困難な作業であり、適切な結果は能動的レイテンシの測定によってのみ達成される。
本稿では, 位置決定のための高精度・自己最適化モデルに対して, 探索に用いる最適ランドマーク位置の同定を含む先進的手法を提案する。
さらに、相関データと推定対象位置の選択には、正しい位置を特定するための高度な戦略が必要である。
道路網を用いて、通常未知の TIER インフラストラクチャのネットワーク距離を改良した近似法を提案する。
我々の概念はヨーロッパに焦点を当てた実環境下で評価される。
関連論文リスト
- Memory efficient location recommendation through proximity-aware
representation [8.505840656442217]
逐次レコメンデーション(PASR:Sequential Recommendation)のための近接認識型領域表現を提案する。
本稿では,重要サンプリングを用いた新たな損失関数を用いて,最適化時の情報的負のサンプルを強調することで,疎結合問題に対処する。
3つの実世界位置ベースソーシャルネットワーキング(LBSN)データセットを用いて評価を行い,PASRが最先端の逐次位置推薦手法を上回ることを示した。
論文 参考訳(メタデータ) (2023-10-10T09:53:07Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳(メタデータ) (2023-10-10T00:03:23Z) - Pre-training Contextual Location Embeddings in Personal Trajectories via
Efficient Hierarchical Location Representations [30.493743596793212]
人間の移動データから生成された位置の埋め込みを事前学習することは、位置情報ベースのサービスにとって一般的な方法となっている。
これまでの研究では、1万個未満の異なる場所を処理しており、これは現実世界の応用では不十分である。
本研究では,異なる規模の複数のグリッドの組み合わせとして位置を表現することによって,トレーニング対象の場所数を効率的に削減するGeo-Tokenizerを提案する。
論文 参考訳(メタデータ) (2023-10-02T14:40:24Z) - Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese
Geographic Re-Ranking [61.60169764507917]
中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。
そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
論文 参考訳(メタデータ) (2023-09-04T13:44:50Z) - Surface Reconstruction from Point Clouds by Learning Predictive Context
Priors [68.12457459590921]
点雲からの表面の再構成は、3Dコンピュータビジョンにとって不可欠である。
推論時に各ポイントクラウドに対して予測的クエリを学習することで予測的コンテキスト優先を導入する。
一つの形状や複雑なシーンの表面再構成実験の結果, 広く使用されているベンチマークでは, 最先端のベンチマークよりも顕著な改善が見られた。
論文 参考訳(メタデータ) (2022-04-23T08:11:33Z) - Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks
Relying on Real Flight Data: From Single-Objective to Near-Pareto
Multi-Objective Optimization [79.96177511319713]
航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。
フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。
DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
論文 参考訳(メタデータ) (2021-10-28T14:18:22Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳(メタデータ) (2021-06-23T17:27:04Z) - Traffic-Aware Service Relocation in Cloud-Oriented Elastic Optical
Networks [0.0]
弾性光学ネットワーク(EON)における効率的なサービス再配置の問題点を,ネットワーク性能の向上のために検討した。
まず,クラウド対応トランスポートネットワークのための新しいトラフィックモデルを提案する。
意思決定に3種類のデータを使用する21の異なる移転ポリシーを紹介します。
論文 参考訳(メタデータ) (2021-05-17T08:00:55Z) - DiSCO: Differentiable Scan Context with Orientation [13.797651328615347]
そこで我々は、LiDARに基づく位置認識手法、DiSCO(diffariable Scan Context with Orientation)を提案する。
同時にスキャンを同じ場所で見つけ、相対的な向きを推定する。
DiSCOは長期の屋外条件を持つ3つのデータセットで検証される。
論文 参考訳(メタデータ) (2020-10-21T12:38:21Z) - Real-time Localization Using Radio Maps [59.17191114000146]
パスロスに基づく簡易かつ効果的なローカライゼーション法を提案する。
提案手法では, 受信した信号強度を, 既知の位置を持つ基地局の集合から報告する。
論文 参考訳(メタデータ) (2020-06-09T16:51:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。