論文の概要: JUNO: Jump-Start Reinforcement Learning-based Node Selection for UWB Indoor Localization

• arxiv url: http://arxiv.org/abs/2205.08422v1
• Date: Fri, 6 May 2022 23:48:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-22 16:31:30.183234
• Title: JUNO: Jump-Start Reinforcement Learning-based Node Selection for UWB Indoor Localization
• Title（参考訳）: JUNO:UWB屋内ローカライゼーションのためのジャンプスタート強化学習に基づくノード選択
• Authors: Zohreh Hajiakhondi-Meybodi, Ming Hou, Arash Mohammadi
• Abstract要約: モバイルユーザとUWBビーコン間のNon Line of Sight(NLoS)接続により,UWBベースのローカライゼーションシステムの性能が著しく低下する可能性がある。 我々は,複雑なNLoS識別・軽減手法に頼ることなく,リアルタイムな位置予測を行う,Jump-start RLベースのUWB NOde選択フレームワークを提案する。 提案したJUNOフレームワークの有効性は,モバイルユーザがNLoS接続を確立する可能性の高い超高密度屋内環境をランダムに移動する位置誤差の観点から評価する。
• 参考スコア（独自算出の注目度）: 16.633804827001285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultra-Wideband (UWB) is one of the key technologies empowering the Internet of Thing (IoT) concept to perform reliable, energy-efficient, and highly accurate monitoring, screening, and localization in indoor environments. Performance of UWB-based localization systems, however, can significantly degrade because of Non Line of Sight (NLoS) connections between a mobile user and UWB beacons. To mitigate the destructive effects of NLoS connections, we target development of a Reinforcement Learning (RL) anchor selection framework that can efficiently cope with the dynamic nature of indoor environments. Existing RL models in this context, however, lack the ability to generalize well to be used in a new setting. Moreover, it takes a long time for the conventional RL models to reach the optimal policy. To tackle these challenges, we propose the Jump-start RL-based Uwb NOde selection (JUNO) framework, which performs real-time location predictions without relying on complex NLoS identification/mitigation methods. The effectiveness of the proposed JUNO framework is evaluated in term of the location error, where the mobile user moves randomly through an ultra-dense indoor environment with a high chance of establishing NLoS connections. Simulation results corroborate the effectiveness of the proposed framework in comparison to its state-of-the-art counterparts.
• Abstract（参考訳）: UWB(Ultra-Wideband)は、IoT(Internet of Thing)の概念を利用して、屋内環境における信頼性、エネルギー効率、高精度なモニタリング、スクリーニング、ローカライゼーションを実現するための重要な技術のひとつである。 しかし、UWBベースのローカライズシステムの性能は、モバイルユーザとUWBビーコン間のNon Line of Sight (NLoS)接続によって著しく低下する可能性がある。 nlos接続の破壊的影響を軽減するために,室内環境の動的性質に効率的に対応可能な強化学習(rl)アンカー選択フレームワークの開発を目標とした。 しかし、この文脈で既存のRLモデルは、新しい設定で使われるように一般化する能力が欠けている。 さらに、従来のRLモデルが最適ポリシーに到達するには長い時間がかかる。 これらの課題に対処するために、複雑なNLoS識別・軽減手法に頼ることなく、リアルタイムな位置予測を行うJump-start RL-based Uwb NOde selection (JUNO) フレームワークを提案する。 提案するJUNOフレームワークの有効性は,モバイルユーザがNLoS接続を確立する可能性の高い超高密度屋内環境をランダムに移動する位置誤差の観点から評価する。 シミュレーションの結果,提案手法の有効性を最先端のフレームワークと比較した。

関連論文リスト

• Enhancing Spectrum Efficiency in 6G Satellite Networks: A GAIL-Powered Policy Learning via Asynchronous Federated Inverse Reinforcement Learning [67.95280175998792]
  ビームフォーミング,スペクトルアロケーション,リモートユーザ機器(RUE)アソシエイトを最適化するために,GAILを利用した新しいポリシー学習手法を提案する。 手動チューニングなしで報酬関数を自動的に学習するために、逆RL(IRL)を用いる。 提案手法は従来のRL手法よりも優れており,コンバージェンスと報酬値の14.6%の改善が達成されている。
  論文  参考訳（メタデータ） (2024-09-27T13:05:02Z)
• HUWSOD: Holistic Self-training for Unified Weakly Supervised Object Detection [66.42229859018775]
  我々は,HUWSOD(HuWSOD)と呼ばれる,統一・高容量弱教師付きオブジェクト検出(WSOD)ネットワークを導入する。 HUWSODには、自己管理された提案生成器と、従来のオブジェクト提案を置き換えるために、マルチレートで再構成されたピラミッドを備えたオートエンコーダ提案生成器が組み込まれている。 提案手法は,よく設計されたオフラインオブジェクト提案と大きく異なるが,WSOD訓練には有効であることを示す。
  論文  参考訳（メタデータ） (2024-06-27T17:59:49Z)
• Design Optimization of NOMA Aided Multi-STAR-RIS for Indoor Environments: A Convex Approximation Imitated Reinforcement Learning Approach [51.63921041249406]
  非直交多重アクセス(Noma)により、複数のユーザが同じ周波数帯域を共有でき、同時に再構成可能なインテリジェントサーフェス(STAR-RIS)を送信および反射することができる。 STAR-RISを屋内に展開することは、干渉緩和、電力消費、リアルタイム設定における課題を提示する。 複数のアクセスポイント(AP)、STAR-RIS、NOMAを利用した新しいネットワークアーキテクチャが屋内通信のために提案されている。
  論文  参考訳（メタデータ） (2024-06-19T07:17:04Z)
• Stragglers-Aware Low-Latency Synchronous Federated Learning via Layer-Wise Model Updates [71.81037644563217]
  同期フェデレーションラーニング(FL)は、協調エッジラーニングの一般的なパラダイムである。 一部のデバイスは計算資源が限られており、様々な可用性があるため、FLレイテンシはストラグラーに非常に敏感である。 本稿では,NNの最適化手法をバックプロパゲーションにより活用し,グローバルモデルを階層的に更新するストラグラー対応層対応学習(SALF)を提案する。
  論文  参考訳（メタデータ） (2024-03-27T09:14:36Z)
• Federated Learning Under Restricted User Availability [3.0846824529023387]
  ユーザの不均一な可用性や参加は、悪影響や環境のために避けられない。 本稿では,頻度の低いユーザや制限されたユーザによるデータへの制限的参加を効果的に捉え,緩和するFL問題の新たな定式化を提案する。 提案手法は, 標準FLと比較して, 性能が有意に向上したことを示す。
  論文  参考訳（メタデータ） (2023-09-25T14:40:27Z)
• FedSpeed: Larger Local Interval, Less Communication Round, and Higher Generalization Accuracy [84.45004766136663]
  フェデレートラーニング(Federated Learning)は、分散機械学習フレームワークである。 これは、局所的不整合最適と局所的過度な適合による頑丈なクライアントドリフトによってもたらされる非消滅バイアスに悩まされる。 本稿では,これらの問題による負の影響を軽減するために,新しい実用的手法であるFedSpeedを提案する。
  論文  参考訳（メタデータ） (2023-02-21T03:55:29Z)
• On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
  本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。 本稿では,密集市街地における局所化問題について検討する。 まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
  論文  参考訳（メタデータ） (2022-11-28T00:31:02Z)
• Hybrid Indoor Localization via Reinforcement Learning-based Information Fusion [17.079430640475962]
  この論文は,グローバル都市化の今後の管理におけるスマートシティ(SC)の概念の重要性に動機づけられている。 モノのインターネット(IoT)ベースの通信技術の中で、Bluetooth Low Energy(BLE)は都市全体の意思決定とサービスにおいて重要な役割を果たす。
  論文  参考訳（メタデータ） (2022-10-27T02:38:25Z)
• Ensembles of Compact, Region-specific & Regularized Spiking Neural Networks for Scalable Place Recognition [25.0834855255728]
  スパイクニューラルネットワークは、特殊なハードウェア上での高エネルギー効率のため、ロボット工学において大きな可能性を秘めている。 本稿では,コンパクトで局所的なスパイクネットワークを学習するモジュール型アンサンブルネットワーク手法を提案する。 デプロイ時にグローバルな正規化の欠如が、学習領域外の場所に対して誤って反応する過活動ニューロンに繋がる、高性能なコストが伴う。 我々は、標準技術であるNetVLAD、DenseVLAD、SADとの比較を行い、ベンチマークローカライゼーションデータセットに基づく新しいスケーラブルなモジュラーシステムの評価を行った。
  論文  参考訳（メタデータ） (2022-09-19T02:47:48Z)
• DQLEL: Deep Q-Learning for Energy-Optimized LoS/NLoS UWB Node Selection [39.51375711937119]
  複雑なNon Line of Sight(NLoS)緩和手法を使わずに、位置精度を向上させるための効率的なノード選択フレームワークを提案する。 モバイルユーザは、TDoAフレームワークに基づいて、最適なUWBビーコンのペアをローカライズするように自律的に訓練される。 提案するDQLELフレームワークの有効性を,リンク条件,UWBビーコンの残電池寿命のずれ,位置誤差,累積報酬の観点から評価した。
  論文  参考訳（メタデータ） (2021-08-24T19:15:57Z)

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。