論文の概要: Triplet-Based Wireless Channel Charting: Architecture and Experiments

• arxiv url: http://arxiv.org/abs/2005.12242v2
• Date: Fri, 30 Apr 2021 14:03:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 06:39:48.624132
• Title: Triplet-Based Wireless Channel Charting: Architecture and Experiments
• Title（参考訳）: triplet-based wireless channel charting:アーキテクチャと実験
• Authors: Paul Ferrand and Alexis Decurninge and Luis G. Ordo\~nez and Maxime Guillaud
• Abstract要約: サンプルのトリプレットに基づく新しいチャネルチャート手法を提案する。 提案アルゴリズムは,それぞれの取得時間に近接して,CSIサンプル間の有意義な類似度を学習する。 得られたチャネルチャートがユーザ位置情報とどの程度類似しているかを評価するが,地理的データでは監視されない。
• 参考スコア（独自算出の注目度）: 10.4796119209387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Channel charting is a data-driven baseband processing technique consisting in applying self-supervised machine learning techniques to channel state information (CSI), with the objective of reducing the dimension of the data and extracting the fundamental parameters governing its distribution. We introduce a novel channel charting approach based on triplets of samples. The proposed algorithm learns a meaningful similarity metric between CSI samples on the basis of proximity in their respective acquisition times, and simultaneously performs dimensionality reduction. We present an extensive experimental validation of the proposed approach on data obtained from a commercial Massive MIMO system; in particular, we evaluate to which extent the obtained channel chart is similar to the user location information, although it is not supervised by any geographical data. Finally, we propose and evaluate variations in the channel charting process, including the partially supervised case where some labels are available for part of the dataset.
• Abstract（参考訳）: チャネルチャート(英: Channel charting)は、データの大きさを減らし、その分布を規定する基本パラメータを抽出することを目的とした、自己教師型機械学習手法をチャネル状態情報(CSI)に適用したデータ駆動ベースバンド処理技術である。 本稿では,サンプルのトリプレットに基づく新しいチャネルチャート手法を提案する。 提案アルゴリズムは,それぞれの取得時間に近接してCSIサンプル間の有意義な類似度を学習し,同時に次元削減を行う。 本稿では,市販の大規模mimoシステムから得られたデータに対する提案手法の広範囲な検証を行った。特に,地理的データでは管理されていないが,取得したチャネルチャートがユーザ位置情報とどの程度類似しているかを評価する。 最後に,一部のラベルがデータセットの一部として使用可能な部分教師ありの場合を含む,チャネルチャート処理のバリエーションを提案,評価する。

関連論文リスト

• Deep Clustering of Remote Sensing Scenes through Heterogeneous Transfer Learning [0.0]
  本稿では,ラベルのないリモートセンシングシーンのターゲットデータセットの教師なし全画像クラスタリング手法を提案する。 いくつかのリモートセンシングシーン分類データセットにおいて、最先端のゼロショット分類手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-09-05T23:07:21Z)
• Channel Modeling Aided Dataset Generation for AI-Enabled CSI Feedback: Advances, Challenges, and Solutions [31.112522142930125]
  AI対応オートエンコーダは、周波数分割倍数(FDD)多重入力多重出力(MIMO)システムにおいてチャネル状態情報(CSI)フィードバックに大きな可能性を示した。 本稿では,限られたフィールドチャネルデータに基づいて,チャネルモデリング支援データ拡張手法を提案する。
  論文  参考訳（メタデータ） (2024-07-01T01:37:30Z)
• Physics-informed and Unsupervised Riemannian Domain Adaptation for Machine Learning on Heterogeneous EEG Datasets [53.367212596352324]
  脳波信号物理を利用した教師なし手法を提案する。 脳波チャンネルをフィールド、ソースフリーなドメイン適応を用いて固定位置にマッピングする。 提案手法は脳-コンピュータインタフェース(BCI)タスクおよび潜在的なバイオマーカー応用におけるロバストな性能を示す。
  論文  参考訳（メタデータ） (2024-03-07T16:17:33Z)
• MV-JAR: Masked Voxel Jigsaw and Reconstruction for LiDAR-Based Self-Supervised Pre-Training [58.07391711548269]
  Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training
  論文  参考訳（メタデータ） (2023-03-23T17:59:02Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Semi-Supervised Learning for Channel Charting-Aided IoT Localization in Millimeter Wave Networks [97.66522637417636]
  ミリ波ネットワークにおけるチャネルチャート(CC)支援の新たな枠組みを提案する。 特に,無線機器の3次元位置を推定するために,畳み込み型オートエンコーダモデルを提案する。 フレームワークは半教師付きフレームワークに拡張され、オートエンコーダは2つのコンポーネントに分割される。
  論文  参考訳（メタデータ） (2021-08-03T14:41:38Z)
• Towards an efficient framework for Data Extraction from Chart Images [27.114170963444074]
  データマイニングシステムにおいて,データ抽出段階において最先端のコンピュータビジョン技術を採用する。 堅牢な点検出器を構築するには、特徴融合モジュールを備えた完全な畳み込みネットワークを採用する。 データ変換では,検出した要素を意味値でデータに変換する。
  論文  参考訳（メタデータ） (2021-05-05T13:18:53Z)
• Similarity-based prediction for channel mapping and user positioning [0.0]
  無線ネットワークでは、アップリンクチャネル測定のみに基づくモバイルユーザーの情報収集が興味深い課題である。 本稿では,これらのタスクを統一的に処理する教師あり機械学習手法を提案する。 これは、ベースステーションが操作中に簡単に取得できるラベル付きデータベースに依存している。
  論文  参考訳（メタデータ） (2020-12-02T11:30:51Z)
• Learning from Heterogeneous EEG Signals with Differentiable Channel Reordering [51.633889765162685]
  CHARMは、一貫性のない入力チャネルをまたいだ単一のニューラルネットワークのトレーニング方法である。 我々は4つの脳波分類データセットの実験を行い、CHARMの有効性を実証した。
  論文  参考訳（メタデータ） (2020-10-21T12:32:34Z)
• Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
  機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。 このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。 提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-02-14T06:58:27Z)

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。