論文の概要: Spreading Factor assisted LoRa Localization with Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2205.11428v2
• Date: Wed, 10 May 2023 23:06:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-12 19:06:57.195270
• Title: Spreading Factor assisted LoRa Localization with Deep Reinforcement Learning
• Title（参考訳）: 深層強化学習によるLoRa局所化支援因子の展開
• Authors: Yaya Etiabi, Mohammed JOUHARI, Andreas Burg, El Mehdi Amhoud
• Abstract要約: LoRaネットワークでは、ネットワーク設定における拡散係数(SF)のため、従来のフィンガープリントは無線マップの表現力に欠ける可能性がある。 SFを考慮した新しいLoRa RSSIフィンガープリント手法を提案する。
• 参考スコア（独自算出の注目度）: 7.445987710491257
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most of the developed localization solutions rely on RSSI fingerprinting. However, in the LoRa networks, due to the spreading factor (SF) in the network setting, traditional fingerprinting may lack representativeness of the radio map, leading to inaccurate position estimates. As such, in this work, we propose a novel LoRa RSSI fingerprinting approach that takes into account the SF. The performance evaluation shows the prominence of our proposed approach since we achieved an improvement in localization accuracy by up to 6.67% compared to the state-of-the-art methods. The evaluation has been done using a fully connected deep neural network (DNN) set as the baseline. To further improve the localization accuracy, we propose a deep reinforcement learning model that captures the ever-growing complexity of LoRa networks and copes with their scalability. The obtained results show an improvement of 48.10% in the localization accuracy compared to the baseline DNN model.
• Abstract（参考訳）: 開発されたローカライゼーションソリューションのほとんどはRSSIフィンガープリントに依存している。 しかし、loraネットワークでは、ネットワーク設定における拡散係数(sf)のため、従来のフィンガープリントでは無線地図の表現性が欠如しており、位置推定が不正確である。 そこで本研究では,SFを考慮した新しいLoRa RSSIフィンガープリント手法を提案する。 性能評価の結果,最先端手法と比較して局所化精度が最大6.67%向上したため,提案手法の有効性が示された。 評価は、ベースラインとして完全に接続されたディープニューラルネットワーク(DNN)セットを用いて行われた。 ローカライゼーションの精度をさらに向上するため,LoRaネットワークの複雑さの増大を捉え,スケーラビリティに対処する深層強化学習モデルを提案する。 その結果,ベースラインDNNモデルと比較して,局所化精度が48.10%向上した。

関連論文リスト

• Mean Teacher based SSL Framework for Indoor Localization Using Wi-Fi RSSI Fingerprinting [4.147346416230272]
  Wi-Fiフィンガープリントは、Wi-Fiデバイスの普及により、屋内のローカライズに広く応用されている。 従来の手法はスケーラビリティの問題のため、マルチビルドやマルチフロア環境には適していない。 本稿では,無線アクセスポイント選択,ノイズ注入,平均教師モデルに基づくニューラルネットワークのための新しい半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-18T09:07:20Z)
• Data-Driven Target Localization: Benchmarking Gradient Descent Using the Cramer-Rao Bound [0.2796197251957244]
  レーダシステムでは、方位と速度推定を用いた正確な目標位置推定が最重要である。 従来の非バイアス推定法は勾配降下アルゴリズムを用いてクラマーラオ境界の理論限界に達した。 データ駆動型ニューラルネットワークモデルは従来の手法よりも優れており、目標方位の精度と速度推定が向上していることを示す。
  論文  参考訳（メタデータ） (2024-01-20T09:26:08Z)
• 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)
• On the Multidimensional Augmentation of Fingerprint Data for Indoor Localization in A Large-Scale Building Complex Based on Multi-Output Gaussian Process [3.8310036898137296]
  Wi-Fiフィンガープリンティングは、大規模な屋内ローカライゼーションの主流のソリューションとなる。 位置化指紋の測定における基準点(RP)の数と分布は精度に大きな影響を及ぼす。 データ拡張は、RPの少ない数と不均一な分布を改善するための実現可能なソリューションとして提案されている。
  論文  参考訳（メタデータ） (2022-11-19T10:07:17Z)
• Increasing the Accuracy of a Neural Network Using Frequency Selective Mesh-to-Grid Resampling [4.211128681972148]
  ニューラルネットワークの入力データの処理にFSMR(Keypoint frequency selective mesh-to-grid resampling)を提案する。 ネットワークアーキテクチャや分類タスクによって、トレーニング中のFSMRの適用は学習プロセスに役立ちます。 ResNet50とOxflower17データセットの分類精度は最大4.31ポイント向上できる。
  論文  参考訳（メタデータ） (2022-09-28T21:34:47Z)
• Can pruning improve certified robustness of neural networks? [106.03070538582222]
  ニューラルネット・プルーニングはディープ・ニューラル・ネットワーク(NN)の実証的ロバスト性を向上させることができることを示す。 実験の結果,NNを適切に刈り取ることで,その精度を8.2%まで向上させることができることがわかった。 さらに,認証された宝くじの存在が,従来の密集モデルの標準および認証された堅牢な精度に一致することを観察する。
  論文  参考訳（メタデータ） (2022-06-15T05:48:51Z)
• Optimization-Based Separations for Neural Networks [57.875347246373956]
  本研究では,2層のシグモダルアクティベーションを持つディープ2ニューラルネットワークを用いて,ボールインジケータ関数を効率よく学習できることを示す。 これは最適化に基づく最初の分離結果であり、より強力なアーキテクチャの近似の利点は、実際に確実に現れる。
  論文  参考訳（メタデータ） (2021-12-04T18:07:47Z)
• FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
  本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。 我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。 従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
  論文  参考訳（メタデータ） (2021-07-07T13:39:08Z)
• Neural Enhanced Belief Propagation for Cooperative Localization [6.787897491422112]
  位置対応ネットワークは、現代的な利便性、応用海洋科学、公共安全のための革新的なサービスと応用を導入する。 モデルベースおよびデータ駆動推論のためのハイブリッド手法を確立する。 無線ネットワーク内の移動体エージェントが、他のエージェントと相互に観測し、位置情報を交換することで、自らをローカライズすることを目的とした、協調的ローカライゼーション(CL)シナリオを検討する。
  論文  参考訳（メタデータ） (2021-05-27T01:42:54Z)
• Local Critic Training for Model-Parallel Learning of Deep Neural Networks [94.69202357137452]
  そこで我々は,局所的批判訓練と呼ばれる新しいモデル並列学習手法を提案する。 提案手法は,畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)の両方において,階層群の更新プロセスの分離に成功したことを示す。 また,提案手法によりトレーニングされたネットワークを構造最適化に利用できることを示す。
  論文  参考訳（メタデータ） (2021-02-03T09:30:45Z)
• Deep Adaptive Inference Networks for Single Image Super-Resolution [72.7304455761067]
  シングルイメージ超解像(SISR)は、ディープ畳み込みニューラルネットワーク(CNN)の展開により、近年大きく進歩している。 本稿では,深部SISR(AdaDSR)の適応型推論ネットワークを活用することで,この問題に対処する。 我々のAdaDSRは、SISRモデルをバックボーンとし、画像の特徴とリソース制約を入力として取り、ローカルネットワーク深さのマップを予測する軽量アダプタモジュールを備える。
  論文  参考訳（メタデータ） (2020-04-08T10:08:20Z)

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。