論文の概要: Supervised Contrastive CSI Representation Learning for Massive MIMO Positioning

• arxiv url: http://arxiv.org/abs/2204.12796v1
• Date: Wed, 27 Apr 2022 09:37:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 14:44:51.208756
• Title: Supervised Contrastive CSI Representation Learning for Massive MIMO Positioning
• Title（参考訳）: 大規模MIMO位置決めのための教師付きコントラストCSI表現学習
• Authors: Junquan Deng, Wei Shi, Jianzhao Zhang, Xianyu Zhang, and Chuan Zhang
• Abstract要約: 我々は小説を大々的に提案する。 深部畳み込みニューラルネットワーク(DCNN)とコントラスト学習を用いたMIMO CSI類似性学習法 多重性を考慮した対照的な損失関数を設計する。 トレーニングデータセットから抽出された正および負のCSIサンプル。 実世界のCSIデータセットにおける指紋による位置決めの評価結果から,学習した類似度測定値が位置決め精度を大幅に向上することが示された。
• 参考スコア（独自算出の注目度）: 3.3220765156899263
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Similarity metric is crucial for massive MIMO positioning utilizing channel state information~(CSI). In this letter, we propose a novel massive MIMO CSI similarity learning method via deep convolutional neural network~(DCNN) and contrastive learning. A contrastive loss function is designed considering multiple positive and negative CSI samples drawn from a training dataset. The DCNN encoder is trained using the loss so that positive samples are mapped to points close to the anchor's encoding, while encodings of negative samples are kept away from the anchor's in the representation space. Evaluation results of fingerprint-based positioning on a real-world CSI dataset show that the learned similarity metric improves positioning accuracy significantly compared with other known state-of-the-art methods.
• Abstract（参考訳）: チャネル状態情報(csi)を利用した大規模mimo測位には類似度指標が不可欠である。 本稿では,深層畳み込みニューラルネットワーク~(DCNN)とコントラスト学習を用いたMIMO CSI類似性学習手法を提案する。 トレーニングデータセットから引き出された複数の正および負のcsiサンプルを考慮して、コントラスト損失関数を設計する。 DCNNエンコーダは、この損失を利用して、正のサンプルをアンカーのエンコーダに近い点にマッピングし、負のサンプルのエンコーダをアンカーのエンコーダから表現空間に遠ざけるように訓練する。 実世界のcsiデータセットにおける指紋に基づく測位の評価結果から,学習した類似度指標は,他の既知の方法と比較して,測位精度が有意に向上することが示された。

関連論文リスト

• Finding the Missing Data: A BERT-inspired Approach Against Package Loss in Wireless Sensing [14.973433993744708]
  CSI回復のための変換器(BERT)からの双方向表現に基づく深層学習モデルを提案する。 CSI-BERTは、追加のデータを必要とせずに、ターゲットデータセット上で自己管理的な方法でトレーニングすることができる。 実験の結果,CSI-BERTは従来の手法に比べて誤り率と速度が低いことがわかった。
  論文  参考訳（メタデータ） (2024-03-19T03:16:52Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Differentiable Earth Mover's Distance for Data Compression at the High-Luminosity LHC [1.8355959631840502]
  我々は、地球移動者の距離の微分可能かつ高速な近似を学習するために、畳み込みニューラルネットワーク(CNN)を訓練する。 我々は、高輝度CERNにおけるデータ圧縮のために、オートエンコーダにインスパイアされたニューラルネットワーク(エンコーダNN)のトレーニングにこの微分近似を適用した。 そこで本研究では,CNN を用いて訓練したエンコーダ NN の性能が,平均二乗誤差に基づく損失関数付きトレーニングよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-07T18:23:38Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• Siamese Prototypical Contrastive Learning [24.794022951873156]
  コントラスト型自己教師学習(Contrastive Self-supervised Learning, CSL)は、大規模データから意味のある視覚的表現を教師なしアプローチで学習する実践的ソリューションである。 本稿では,単純かつ効果的なコントラスト学習フレームワークを導入することで,この問題に対処する。 重要な洞察は、シアメスタイルのメートル法損失を用いて、原型間特徴間の距離を増大させながら、原型内特徴と一致させることである。
  論文  参考訳（メタデータ） (2022-08-18T13:25:30Z)
• CLNet: Complex Input Lightweight Neural Network designed for Massive MIMO CSI Feedback [7.63185216082836]
  本稿では,CSIの固有特性に基づくCSIフィードバック問題に適したニューラルネットワークCLNetを提案する。 実験の結果,CLNetは室内・屋外のシナリオで平均5.41%の精度向上により最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-02-15T12:16:11Z)
• D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization [108.8592577019391]
  画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。 画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。 D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-03T10:54:02Z)
• Unsupervised Feedforward Feature (UFF) Learning for Point Cloud Classification and Segmentation [57.62713515497585]
  3次元点雲の連成分類とセグメンテーションのために,教師なしフィードフォワード特徴学習を提案する。 UFF法は、点雲セット内の点の統計的相関を利用して、1パスのフィードフォワード方式で形状と点の特徴を学習する。 エンコーダとローカルポイントでグローバルな形状の特徴を、エンコーダ-デコーダアーキテクチャを通して学習する。
  論文  参考訳（メタデータ） (2020-09-02T18:25:25Z)
• BiDet: An Efficient Binarized Object Detector [96.19708396510894]
  本稿では,効率的な物体検出のためのバイナライズニューラルネットワークのBiDetを提案する。 我々のBiDetは、冗長除去による物体検出にバイナリニューラルネットワークの表現能力を完全に活用している。 我々の手法は、最先端のバイナリニューラルネットワークを大きなマージンで上回る。
  論文  参考訳（メタデータ） (2020-03-09T08:16:16Z)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)
• Centimeter-Level Indoor Localization using Channel State Information with Recurrent Neural Networks [12.193558591962754]
  本稿では,線形アンテナから収集した実CSIデータを用いて,センチメートルレベルの屋内位置推定を行うニューラルネットワーク手法を提案する。 チャネル応答の振幅または相関行列を入力として使用することにより、データサイズを大幅に削減し、ノイズを抑制することができる。 また、リカレントニューラルネットワーク(RNN)と信号雑音比(SNR)情報によるユーザ動作軌跡の整合性を利用して、推定精度をさらに向上する。
  論文  参考訳（メタデータ） (2020-02-04T17:10:18Z)

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。