論文の概要: Quantum Transfer Learning for Wi-Fi Sensing

• arxiv url: http://arxiv.org/abs/2205.08590v1
• Date: Tue, 17 May 2022 19:16:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-19 14:00:07.213995
• Title: Quantum Transfer Learning for Wi-Fi Sensing
• Title（参考訳）: Wi-Fiセンシングのための量子転送学習
• Authors: Toshiaki Koike-Akino, Pu Wang, Ye Wang
• Abstract要約: 我々は、Wi-Fi設定や環境が時間とともに変化するとき、人間の監視タスクにおけるドメインシフトを軽減するための転送学習について検討する。 概念実証研究として、量子ニューラルネットワーク(QNN)と古典的深層ニューラルネットワーク(DNN)を将来の量子可読社会として検討する。
• 参考スコア（独自算出の注目度）: 19.06876644658677
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Beyond data communications, commercial-off-the-shelf Wi-Fi devices can be used to monitor human activities, track device locomotion, and sense the ambient environment. In particular, spatial beam attributes that are inherently available in the 60-GHz IEEE 802.11ad/ay standards have shown to be effective in terms of overhead and channel measurement granularity for these indoor sensing tasks. In this paper, we investigate transfer learning to mitigate domain shift in human monitoring tasks when Wi-Fi settings and environments change over time. As a proof-of-concept study, we consider quantum neural networks (QNN) as well as classical deep neural networks (DNN) for the future quantum-ready society. The effectiveness of both DNN and QNN is validated by an in-house experiment for human pose recognition, achieving greater than 90% accuracy with a limited data size.
• Abstract（参考訳）: データ通信以外にも、市販のWi-Fiデバイスは人間の活動を監視し、デバイスの動きを追跡し、環境を感知するために使用することができる。 特に、60GHzのIEEE 802.11ad/ay標準で本質的に利用できる空間ビーム特性は、これらの屋内センシングタスクのオーバーヘッドとチャネル計測の粒度において有効であることが示されている。 本稿では、Wi-Fi設定や環境が時間とともに変化するとき、人間の監視タスクにおけるドメインシフトを軽減するための転送学習について検討する。 概念実証研究として、量子ニューラルネットワーク(QNN)と古典的深層ニューラルネットワーク(DNN)を将来の量子可読社会として検討する。 DNNとQNNの有効性は、人間のポーズ認識のための社内実験によって検証され、データサイズが制限された場合、90%以上の精度が達成される。

関連論文リスト

• Fully Spiking Actor Network with Intra-layer Connections for Reinforcement Learning [51.386945803485084]
  エージェントが制御する多次元決定論的ポリシーを学習する必要があるタスクに焦点をあてる。 既存のスパイクベースのRL法は、SNNの出力として発火率を取り、完全に接続された層を通して連続的なアクション空間(つまり決定論的なポリシー)を表すように変換する。 浮動小数点行列操作を伴わない完全にスパイクするアクターネットワークを開発するため,昆虫に見られる非スパイク介在ニューロンからインスピレーションを得た。
  論文  参考訳（メタデータ） (2024-01-09T07:31:34Z)
• Solving Large-scale Spatial Problems with Convolutional Neural Networks [88.31876586547848]
  大規模空間問題に対する学習効率を向上させるために移動学習を用いる。 畳み込みニューラルネットワーク (CNN) は, 信号の小さな窓で訓練できるが, 性能劣化の少ない任意の大信号で評価できる。
  論文  参考訳（メタデータ） (2023-06-14T01:24:42Z)
• Robustness of Physics-Informed Neural Networks to Noise in Sensor Data [0.0]
  PINNは、物理に基づくドメイン知識をニューラルネットワークモデルに組み込む効果的な方法であることが示されている。 本研究では、物理インフォームドニューラルネットワークのロバスト性について、データのノイズの大きさについて予備的な調査を行う。
  論文  参考訳（メタデータ） (2022-11-22T06:24:43Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• AutoQML: Automated Quantum Machine Learning for Wi-Fi Integrated Sensing and Communications [19.06876644658677]
  商用Wi-Fiデバイスは、データを共同で交換し、屋内環境を監視するためにISAC(Integrated Sensent and Communication)に使用できる。 本稿では,自動量子機械学習フレームワークであるAutoAnsatzを用いて,人間のジェスチャーを認識する概念実証手法について検討する。
  論文  参考訳（メタデータ） (2022-05-17T19:38:13Z)
• Hybrid SNN-ANN: Energy-Efficient Classification and Object Detection for Event-Based Vision [64.71260357476602]
  イベントベースの視覚センサは、画像フレームではなく、イベントストリームの局所的な画素単位の明るさ変化を符号化する。 イベントベースセンサーによる物体認識の最近の進歩は、ディープニューラルネットワークの変換によるものである。 本稿では、イベントベースのパターン認識とオブジェクト検出のためのディープニューラルネットワークのエンドツーエンドトレーニングのためのハイブリッドアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-06T23:45:58Z)
• Neuroevolution of a Recurrent Neural Network for Spatial and Working Memory in a Simulated Robotic Environment [57.91534223695695]
  我々は,ラットで観察される行動と神経活動を再現する進化的アルゴリズムを用いて,生物学的に有意なリカレントニューラルネットワーク(RNN)でウェイトを進化させた。 提案手法は, 進化したRNNの動的活動が, 興味深く複雑な認知行動をどのように捉えているかを示す。
  論文  参考訳（メタデータ） (2021-02-25T02:13:52Z)
• Artificial Neural Networks for Sensor Data Classification on Small Embedded Systems [0.0]
  数キロバイトのメモリを持つ低コストのマイクロコントローラ上の人工ニューラルネットワーク(ANN)の可能性を分析します。 フィードフォワードニューラルネットワーク(FFNN)とリカレントニューラルネットワーク(RNN)を考慮したANNの設計と実装の解析
  論文  参考訳（メタデータ） (2020-12-15T16:25:23Z)
• Enabling Incremental Knowledge Transfer for Object Detection at the Edge [25.22732861751805]
  ディープニューラルネットワーク(DNN)を用いたオブジェクト検出には、膨大な量の計算が必要になる。 浅いニューラルネットワーク(SHNN)は、観察環境内のオブジェクトを検出するために、エンドユーザデバイスにデプロイされる。 SHNNの知識は、LANまたはWi-Fiを介してユーザ端末に接続された強力なエッジデバイスから得ることができる。
  論文  参考訳（メタデータ） (2020-04-13T02:19:18Z)
• The Internet of Things as a Deep Neural Network [16.78220721167574]
  本稿では,IoTノードにおける計測圧縮と,基地局やクラウドにおける推論をディープニューラルネットワーク(DNN)としてモデル化することを提案する。 DNNのモデルパラメータを学習し,通信速度と推測精度のトレードオフについて検討する。 我々の発見は、多くの新しいIoTデータ分析アプリケーションが大量の測定値を生成する可能性を秘めている。
  論文  参考訳（メタデータ） (2020-03-23T20:36:16Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

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。