論文の概要: Measuring Uncertainty in Signal Fingerprinting with Gaussian Processes
Going Deep
- arxiv url: http://arxiv.org/abs/2109.04360v1
- Date: Wed, 1 Sep 2021 02:09:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-12 10:56:17.838607
- Title: Measuring Uncertainty in Signal Fingerprinting with Gaussian Processes
Going Deep
- Title(参考訳): ガウス過程による信号フィンガープリントの不確かさの測定
- Authors: Ran Guan, Andi Zhang, Mengchao Li, Yongliang Wang
- Abstract要約: 本稿では,確率的位置決めによく用いられるガウス過程(GP)を概説し,信号指紋の不確実性をモデル化するためにGPを用いた際の落とし穴を指摘する。
本稿では,この問題に対するより情報的な代替手段として,ディープガウス過程(DGP)を提案する。
DGPが信号フィンガープリントの不確実性をシミュレートし、現実的に収集したデータセットを用いて評価する。
- 参考スコア(独自算出の注目度): 3.631096739361516
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In indoor positioning, signal fluctuation is highly location-dependent.
However, signal uncertainty is one critical yet commonly overlooked dimension
of the radio signal to be fingerprinted. This paper reviews the commonly used
Gaussian Processes (GP) for probabilistic positioning and points out the
pitfall of using GP to model signal fingerprint uncertainty. This paper also
proposes Deep Gaussian Processes (DGP) as a more informative alternative to
address the issue. How DGP better measures uncertainty in signal fingerprinting
is evaluated via simulated and realistically collected datasets.
- Abstract(参考訳): 屋内測位では、信号のゆらぎは位置に依存します。
しかし、信号の不確実性は、無線信号が指紋で見落とされがちな寸法である。
本稿では,確率的位置決めによく用いられるガウス過程(gp)を考察し,gpを用いた信号指紋の不確かさのモデル化の落とし穴を指摘する。
また,この問題に対してより有用な代替手段として,深層ガウス過程 (dgp) を提案する。
DGPが信号フィンガープリントの不確実性をシミュレートし、現実的に収集したデータセットを用いて評価する。
関連論文リスト
- Erasing Radio Frequency Fingerprints via Active Adversarial Perturbation [19.88283575742985]
本稿では、パイロット信号データから機械学習モデルを訓練して識別する、一般的なRFフィンガープリントシナリオについて考察する。
新たな対向攻撃ソリューションは適切な摂動を生成するように設計されており、パイロット信号はハードウェアの特徴を隠蔽し、モデルを誤分類することができる。
大規模な実験結果から,RF指紋を効果的に消去し,ユーザのプライバシーを保護できることが示されている。
論文 参考訳(メタデータ) (2024-06-11T15:16:05Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳(メタデータ) (2022-11-18T17:25:14Z) - Unveiling The Mask of Position-Information Pattern Through the Mist of
Image Features [75.62755703738696]
近年の研究では、畳み込みニューラルネットワークにおけるパディングが絶対位置情報を符号化していることが示されている。
位置情報の強度を定量化する既存の指標は信頼性が低いままである。
符号化された位置情報を計測(および可視化)するための新しい指標を提案する。
論文 参考訳(メタデータ) (2022-06-02T17:59:57Z) - A Kernel Method to Nonlinear Location Estimation with RSS-based
Fingerprint [33.14527257036209]
我々は、M$M$のグリッドポイントを持つ大きな場所を考え、各グリッドポイントにはユニークな指紋がラベル付けられている。
スマートフォンで観察される指紋から、利用者の現在位置をトップk類似の指紋を見つけることで推定することができる。
提案手法は,1)保持位置の微妙な変化に敏感なビーコンのサブセットを選択するビーコン選択戦略と,2)観測信号のサブセットとデータベースに登録されているすべての指紋との類似性を計算するカーネル手法とからなる。
論文 参考訳(メタデータ) (2022-04-07T20:30:43Z) - Non-Gaussian Gaussian Processes for Few-Shot Regression [71.33730039795921]
乱変数ベクトルの各成分上で動作し,パラメータを全て共有する可逆なODEベースのマッピングを提案する。
NGGPは、様々なベンチマークとアプリケーションに対する競合する最先端のアプローチよりも優れています。
論文 参考訳(メタデータ) (2021-10-26T10:45:25Z) - ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
ProxyFAUGはルールベースで近接性に基づく指紋増強法である。
このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
論文 参考訳(メタデータ) (2021-02-04T15:59:30Z) - Deep Gaussian Processes for geophysical parameter retrieval [15.400481898772158]
本稿では,物理パラメータ探索のための深部ガウス過程(DGP)を紹介する。
標準フルgpモデルとは異なり、dgpは複雑な(モジュラーで階層的な)プロセスに対応しており、標準フルgpモデルよりも予測精度が向上している。
論文 参考訳(メタデータ) (2020-12-07T14:44:04Z) - Uncertainty quantification using martingales for misspecified Gaussian
processes [52.22233158357913]
本稿では,ガウス過程(GP)の不確定な定量化を,不特定先行条件下で解決する。
マルティンゲール法を用いて未知関数に対する信頼シーケンス(CS)を構築する。
我々のCSは統計的に有効であり、実証的に標準GP法より優れています。
論文 参考訳(メタデータ) (2020-06-12T17:58:59Z) - Accounting for Input Noise in Gaussian Process Parameter Retrieval [9.563129471152058]
予測平均関数の導関数を用いて誤差項を伝搬するGPモデル定式化を用いて、入力雑音推定をいかに説明できるかを示す。
得られた予測分散項を解析し、赤外線音響データから温度予測問題におけるモデル誤差をより正確に表現する方法を示す。
論文 参考訳(メタデータ) (2020-05-20T08:23:48Z) - Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。
本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。
提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
論文 参考訳(メタデータ) (2020-05-12T15:51:59Z)
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。