論文の概要: A Reusable Framework Based on Reinforcement Learning to Design Antennas
for Curved Surfaces
- arxiv url: http://arxiv.org/abs/2011.12131v1
- Date: Tue, 24 Nov 2020 14:35:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 14:11:59.860363
- Title: A Reusable Framework Based on Reinforcement Learning to Design Antennas
for Curved Surfaces
- Title（参考訳）: 曲面アンテナ設計のための強化学習に基づく再利用可能な枠組み
- Authors: Enrique Lizarraga and Walter Herrera
- Abstract要約: この研究は小さなアンテナを識別する方法論を追求し、いくつかの類似点を示す。
目的は、金属管の表面に効率よく取り付けられるアンテナを特定することである。
その動機は、視覚的な衝撃を減らし、アンテナの放射パターンを最適化することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The design and implementation of low-profile antennas has been analyzed in
past decades from different perspectives while the purpose is to have a small
size in the device, and an adequate electromagnetic behavior. This work pursues
a methodology to identify small antennas and consequently presents some
similarities. Meanwhile, curved surfaces are considered for a certain variety
of antennas with reduced size. The so-called deep reinforcement learning
technique is used as an assistance against morphological variations that are
specifically taken into account in this work. The objective is to identify
antennas that can be efficiently mounted on the surface of metal tubes such as
those frequently present in public infrastructure (e.g. traffic lights and
luminaries). The motivation is to reduce the visual impact and optimize the
radiation pattern of the antenna. It is analyzed that if changes in variables
such as the radius of curvature, or the electromagnetic properties of the
materials appear, an automatic identification of the underlying characteristics
of the problem (by means of machine learning techniques) can readjust the
design efficiently. The results obtained in this work are analyzed based on
variables that are typically used to characterize antennas, such as their
impedance and radiation pattern.
- Abstract（参考訳）: アンテナの設計と実装は過去数十年間、さまざまな観点から分析されてきたが、目的はデバイスのサイズが小さく、適切な電磁的挙動を持つことである。
この研究は小さなアンテナを識別する方法論を追求し、いくつかの類似点を示す。
一方、曲面は小型の特定の種類のアンテナに対して考慮されている。
いわゆる深層強化学習手法は,本研究で特に考慮される形態変化に対する支援として用いられる。
その目的は、公共のインフラ(例えば信号機や照明)に頻繁に存在するような金属管の表面に効率的に取り付けられるアンテナを識別することである。
その動機は、視覚的な衝撃を減らし、アンテナの放射パターンを最適化することである。
曲率半径や材料の電磁特性などの変数の変化が現れると、(機械学習技術を用いて)問題の根底にある特性を自動的に識別し、効率的に設計を修正できることを解析した。
この研究で得られた結果は、アンテナのインピーダンスや放射パターンを特徴付けるために一般的に用いられる変数に基づいて分析される。
関連論文リスト
- YOLO-Ant: A Lightweight Detector via Depthwise Separable Convolutional
and Large Kernel Design for Antenna Interference Source Detection [8.184096371244175]
本稿では,アンテナ干渉源検出のための軽量CNNと変圧器ハイブリッド検出器であるYOLO-Antを紹介する。
本稿では,ネットワークの機能抽出能力を高めるために,奥行き分離可能な畳み込みと大きな畳み込みカーネルに基づくDSLK-Blockモジュールを提案する。
アンテナ検出における複雑な背景やクラス間の違いといった課題に対処するため,DSLKVit-Blockを構築した。
論文 参考訳（メタデータ） (2024-02-20T01:35:23Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - NeuRBF: A Neural Fields Representation with Adaptive Radial Basis
Functions [93.02515761070201]
本稿では,信号表現に一般放射状基底を用いる新しいタイプのニューラルネットワークを提案する。
提案手法は, 空間適応性が高く, ターゲット信号により密着可能な, フレキシブルなカーネル位置と形状を持つ一般ラジアルベース上に構築する。
ニューラルラジアンス場再構成に適用した場合,本手法はモデルサイズが小さく,訓練速度が同等である最先端のレンダリング品質を実現する。
論文 参考訳（メタデータ） (2023-09-27T06:32:05Z) - Geometric-aware Pretraining for Vision-centric 3D Object Detection [77.7979088689944]
GAPretrainと呼ばれる新しい幾何学的事前学習フレームワークを提案する。
GAPretrainは、複数の最先端検出器に柔軟に適用可能なプラグアンドプレイソリューションとして機能する。
BEVFormer法を用いて, nuScenes val の 46.2 mAP と 55.5 NDS を実現し, それぞれ 2.7 と 2.1 点を得た。
論文 参考訳（メタデータ） (2023-04-06T14:33:05Z) - Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling [65.17711407805756]
Sionnaは、リンクレベルのシミュレーションをベースとしたGPUアクセラレーションのオープンソースライブラリである。
リリース v0.14 以降、電波伝搬のシミュレーションのために微分可能なレイトレーサ (RT) を統合している。
論文 参考訳（メタデータ） (2023-03-20T13:40:11Z) - Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna
Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。
本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。
シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文 参考訳（メタデータ） (2023-01-20T17:06:34Z) - Antenna Array Calibration Via Gaussian Process Models [0.0]
アンテナアレイキャリブレーションは、広範囲の先進アンテナシステムにおけるビームパターンの忠実度を維持するために必要である。
アンテナキャリブレーションを,関数近似のタスクとして定式化し,ベイズ機械学習を用いて処理する。
まず、各放射素子、位置オフセット、およびアンテナ素子間の相互結合効果に対応するハードウェア障害を捕捉するパラメータ空間を定義する。
一度展開すると、学習された非パラメトリックモデルは、システムのビームフォーミング重みを継続的に変換し、修正されたビームパターンをもたらす。
論文 参考訳（メタデータ） (2023-01-16T19:40:50Z) - A Machine Learning Generative Method for Automating Antenna Design and
Optimization [9.438718097561061]
異なるノードを接続することで任意の形状を形成できるメッシュネットワークの概念を取り入れたフレキシブルな幾何学的スキームを導入する。
広帯域なデュアル共振アンテナの設計では,提案手法はTrust Region Frameworkと同等であり,他の成熟した機械学習アルゴリズムよりもはるかに優れている。
論文 参考訳（メタデータ） (2022-02-28T21:30:37Z) - HyperHyperNetworks for the Design of Antenna Arrays [91.3755431537592]
アレイ設計のための深層学習手法と小型アンテナの単一インスタンスについて述べる。
単一のアンテナの場合、ソリューションはシミュレーションネットワーク、ハイパーネットワーク、および精製ネットワークを組み合わせた複合ニューラルネットワークに基づいています。
学習目的は、得られた放射パターンと所望の放射パターンの類似度を測定することに基づく。
論文 参考訳（メタデータ） (2021-05-09T05:21:28Z) - Deep Learning for DOA Estimation in MIMO Radar Systems via Emulation of
Large Antenna Arrays [15.180687831560174]
我々は,小型アンテナアレイを用いたMUSICに基づくアリーバル推定手法を提案する。
我々は,仮想大アンテナアレイの信号再構成にディープラーニングを用いる。
論文 参考訳（メタデータ） (2020-07-27T19:33:57Z)
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。