Fugu-MT 論文翻訳(概要): Arbitrarily Accurate Classification Applied to Specific Emitter Identification

論文の概要: Arbitrarily Accurate Classification Applied to Specific Emitter Identification

arxiv url: http://arxiv.org/abs/2211.10379v1
Date: Wed, 16 Nov 2022 16:31:40 GMT
ステータス: 処理完了
システム内更新日: 2022-11-21 13:48:50.682364
Title: Arbitrarily Accurate Classification Applied to Specific Emitter Identification
Title（参考訳）: 特定エミッタ同定に適用した任意精度分類
Authors: Michael C. Kleder
Abstract要約: 本稿では,所定の分類精度に到達するまで,サブサンプルの評価方法を紹介する。サンプル数の増加により誤差率の対数的低減が得られる。この手法は16個の光学的に同一の高性能無線からの物理的に記録されたオーバーザエア信号のデータセット上の特定のエミッター識別に適用される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This article introduces a method of evaluating subsamples until any prescribed level of classification accuracy is attained, thus obtaining arbitrary accuracy. A logarithmic reduction in error rate is obtained with a linear increase in sample count. The technique is applied to specific emitter identification on a published dataset of physically recorded over-the-air signals from 16 ostensibly identical high-performance radios. The technique uses a multi-channel deep learning convolutional neural network acting on the bispectra of I/Q signal subsamples each consisting of 56 parts per million (ppm) of the original signal duration. High levels of accuracy are obtained with minimal computation time: in this application, each addition of eight samples decreases error by one order of magnitude.
Abstract（参考訳）: 本稿では,所定の分類精度に達するまでサブサンプルを評価する方法を紹介し,任意の精度を得る。サンプル数を直線的に増加させて誤差率の対数還元を求める。この手法は、16の可視的に同一の高性能ラジオからの物理的に記録された空中信号の公開データセット上の特定のエミッタ識別に適用される。この技術は、i/q信号サブサンプリングのバイスペクトルに作用するマルチチャネルのディープラーニング畳み込みニューラルネットワークを使用し、それぞれが元の信号持続時間の56ppm(ppm)からなる。このアプリケーションでは、8つのサンプルを追加するごとに1桁の誤差が減少する。

関連論文リスト

Interpretable cancer cell detection with phonon microscopy using multi-task conditional neural networks for inter-batch calibration [39.759100498329275]
本稿では,バッチ間キャリブレーションを同時に実現する条件付きニューラルネットワークフレームワークを提案する。異なる実験バッチをトレーニングし、検証することで、我々のアプローチを検証する。このモデルを拡張して, 診断信号の再構成を行い, 疾患状態を示す有能な特徴の物理的解釈を可能にした。
論文参考訳（メタデータ） (2024-03-26T12:20:10Z)
Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文参考訳（メタデータ） (2022-06-29T23:22:18Z)
Iterative Adaptive Spectroscopy of Short Signals [0.1338174941551702]
ラムゼー干渉法に基づく適応周波数検出プロトコルを開発した。ラムゼイ配列を強化し、センシング状態と読み出し状態の両方で高い忠実度で調製することにより、高精度を実現する。
論文参考訳（メタデータ） (2022-04-10T18:07:50Z)
Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文参考訳（メタデータ） (2022-02-23T18:57:53Z)
Dual-Frequency Quantum Phase Estimation Mitigates the Spectral Leakage of Quantum Algorithms [76.15799379604898]
量子位相推定は、レコード長の逆数が未知の位相の整数倍でない場合にスペクトルリークに悩まされる。複数のサンプルが利用できるとき,クレーマー・ラオ境界に近づいた二重周波数推定器を提案する。
論文参考訳（メタデータ） (2022-01-23T17:20:34Z)
Information-Theoretic Generalization Bounds for Iterative Semi-Supervised Learning [81.1071978288003]
特に,情報理論の原理を用いて,反復型SSLアルゴリズムのエミュレータ一般化誤差の振る舞いを理解することを目的とする。我々の理論的結果は、クラス条件分散があまり大きくない場合、一般化誤差の上限は反復数とともに単調に減少するが、すぐに飽和することを示している。
論文参考訳（メタデータ） (2021-10-03T05:38:49Z)
SignalNet: A Low Resolution Sinusoid Decomposition and Estimation Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文参考訳（メタデータ） (2021-06-10T04:21:20Z)
Supervised Neural Networks for RFI Flagging [0.0]
既存のRFIフラグング技術であるAOFlaggerを基盤として、実測データをフラグングするための2つの機械学習アプローチを実証した。この方法では、ベースライン毎のブールフラグマップを高い精度で予測することができ、リコールは0.69、精度は0.83、アンF1スコアは0.75である。
論文参考訳（メタデータ） (2020-07-29T06:57:36Z)
Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
論文参考訳（メタデータ） (2020-05-10T06:11:13Z)
Time-Frequency Analysis based Blind Modulation Classification for Multiple-Antenna Systems [6.011027400738812]
ブラインド変調分類は、認知無線ネットワークを実装するための重要なステップである。マルチインプット・マルチアウトプット(MIMO)技術は、軍事や民間の通信システムで広く使われている。これらのシナリオでは、従来の可能性ベースのアプローチや特徴ベースのアプローチは適用できない。
論文参考訳（メタデータ） (2020-04-01T12:27:29Z)
Robust Classification of High-Dimensional Spectroscopy Data Using Deep Learning and Data Synthesis [0.5801044612920815]
分光データのバイナリ分類における局所接続型ニューラルネットワーク(NN)の新たな応用を提案する。 2段階の分類プロセスは、2段階の分類パラダイムと1段階の分類パラダイムの代替として提示される。
論文参考訳（メタデータ） (2020-03-26T11:33:52Z)

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。