論文の概要: Sequence Generation via Subsequence Similarity: Theory and Application to UAV Identification

• arxiv url: http://arxiv.org/abs/2301.08403v1
• Date: Fri, 20 Jan 2023 02:35:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-23 13:58:28.669341
• Title: Sequence Generation via Subsequence Similarity: Theory and Application to UAV Identification
• Title（参考訳）: シーケンス類似性によるシーケンス生成:理論とUAV識別への応用
• Authors: Amir Kazemi, Salar Basiri, Volodymyr Kindratenko, Srinivasa Salapaka
• Abstract要約: サブシーケンスレベルでの類似性がシーケンスレベルでの類似性にどのように影響するかに焦点を当てる。 実数列と生成列の最適輸送を対応する部分列のそれに基づいて導出する。 本研究では、無線周波数(RF)信号の制限による無人航空機(UAV)の識別問題に適用することで、このアプローチの改善を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability to generate synthetic sequences is crucial for a wide range of applications, and recent advances in deep learning architectures and generative frameworks have greatly facilitated this process. Particularly, unconditional one-shot generative models constitute an attractive line of research that focuses on capturing the internal information of a single image, video, etc. to generate samples with similar contents. Since many of those one-shot models are shifting toward efficient non-deep and non-adversarial approaches, we examine the versatility of a one-shot generative model for augmenting whole datasets. In this work, we focus on how similarity at the subsequence level affects similarity at the sequence level, and derive bounds on the optimal transport of real and generated sequences based on that of corresponding subsequences. We use a one-shot generative model to sample from the vicinity of individual sequences and generate subsequence-similar ones and demonstrate the improvement of this approach by applying it to the problem of Unmanned Aerial Vehicle (UAV) identification using limited radio-frequency (RF) signals. In the context of UAV identification, RF fingerprinting is an effective method for distinguishing legitimate devices from malicious ones, but heterogenous environments and channel impairments can impose data scarcity and affect the performance of classification models. By using subsequence similarity to augment sequences of RF data with a low ratio (5\%-20\%) of training dataset, we achieve significant improvements in performance metrics such as accuracy, precision, recall, and F1 score.
• Abstract（参考訳）: 合成シーケンスを生成する能力は、幅広いアプリケーションにとって不可欠であり、ディープラーニングアーキテクチャと生成フレームワークの最近の進歩は、このプロセスを大きく促進した。 特に、無条件ワンショット生成モデルは、単一の画像やビデオなどの内部情報をキャプチャして、類似した内容のサンプルを生成することに焦点を当てた魅力的な研究ラインを構成する。 これらのワンショットモデルの多くは、効率的で非深度なアプローチに移行しているため、データセット全体を拡張するためのワンショット生成モデルの汎用性を検討する。 本研究では,サブシーケンスレベルでの類似度がシーケンスレベルでの類似性にどのように影響するかに着目し,対応するサブシーケンスの類似度に基づいて,実列および生成されたシーケンスの最適輸送に基づく境界を導出する。 単発生成モデルを用いて, 周波数制限信号を用いた無人航空機(uav)の識別問題に適用することにより, 個々のシーケンス近傍からサンプルを採取し, サブシーケンス類似のものを生成し, 本手法の改良を実証する。 UAV識別の文脈では、RFフィンガープリントは正当なデバイスと悪意のあるデバイスを区別する効果的な方法であるが、異種環境やチャネル障害はデータの不足を課し、分類モデルの性能に影響を与える可能性がある。 トレーニングデータセットの低比 (5\%-20\%) のrfデータのシーケンスの強化にサブシーケンス類似性を用いることで、精度、精度、リコール、f1スコアなどのパフォーマンス指標の大幅な改善を実現する。

関連論文リスト

• Augmenting Training Data with Vector-Quantized Variational Autoencoder for Classifying RF Signals [9.99212997328053]
  本稿では,Vector-Quantized Variational Autoencoder (VQ-VAE) を用いたトレーニングデータの拡張を提案する。 VQ-VAEモデルは高忠実な合成RF信号を生成し、トレーニングデータセットの多様性と忠実度を高める。 実験結果から,VQ-VAE生成データの導入により,ベースラインモデルの分類精度が大幅に向上することが示唆された。
  論文  参考訳（メタデータ） (2024-10-23T21:17:45Z)
• RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
  本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。 まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。 第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。 第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
  論文  参考訳（メタデータ） (2024-09-13T13:53:41Z)
• RF-Diffusion: Radio Signal Generation via Time-Frequency Diffusion [15.175370227353406]
  RF信号の時間・周波数・複素値領域における情報入力を可能にするため,新しい時間周波数拡散理論を導入する。 RF拡散(RF-Diffusion)は、多種多様な高品質かつ時系列のRFデータを生成する汎用的なソリューションである。 また、5Gネットワークにおいて、Wi-Fiセンシングシステムを強化し、チャネル推定を行う上で、RF拡散の汎用性を示す。
  論文  参考訳（メタデータ） (2024-04-14T04:56:05Z)
• Deep-Learned Compression for Radio-Frequency Signal Classification [0.49109372384514843]
  次世代の細胞概念は、大量の高周波サンプルの処理に依存している。 RF信号の複雑な値のサンプルを圧縮する深層学習圧縮モデルHQARFを提案する。 RF信号の変調クラスを推定するために訓練されたAIモデルの性能に対するHQARFの効果を評価する。
  論文  参考訳（メタデータ） (2024-03-05T17:42:39Z)
• Denoising Diffusion Models for Plug-and-Play Image Restoration [135.6359475784627]
  本稿では,従来のプラグアンドプレイ方式を拡散サンプリングフレームワークに統合したDiffPIRを提案する。 DiffPIRは、差別的なガウスのデノイザーに依存するプラグアンドプレイIR法と比較して、拡散モデルの生成能力を継承することが期待されている。
  論文  参考訳（メタデータ） (2023-05-15T20:24:38Z)
• Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
  Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる 本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-31T03:14:44Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Robust Semi-supervised Federated Learning for Images Automatic Recognition in Internet of Drones [57.468730437381076]
  プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。 異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。 本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
  論文  参考訳（メタデータ） (2022-01-03T16:49:33Z)
• A Generalizable Model-and-Data Driven Approach for Open-Set RFF Authentication [74.63333951647581]
  高周波指紋(RFF)は、低コストな物理層認証を実現するための有望な解決策である。 RFF抽出と識別のために機械学習に基づく手法が提案されている。 生受信信号からRFFを抽出するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-10T03:59:37Z)
• Spectro-Temporal RF Identification using Deep Learning [3.8137985834223507]
  WRISTは、分光時間検出、フレームワーク、システムを備えた広帯域リアルタイムRF識別システムである。 得られたディープラーニングモデルは、時間と周波数のRF放射を検出し、分類し、正確に検出することができる。 WRIST検出器は、野生の非常に密集した環境でも平均的な平均精度が90に達する。
  論文  参考訳（メタデータ） (2021-07-11T19:02:07Z)
• Deep Neural Network Feature Designs for RF Data-Driven Wireless Device Classification [9.05607520128194]
  本稿では、RF通信信号の異なる構造と、送信機ハードウェア障害に起因するスペクトル放射を利用する新しい特徴設計手法を提案する。 提案するDNNの特徴は,拡張性,精度,シグネチャ・アンチ・クローニング,環境摂動に対する非感受性の観点から,分類の堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-03-02T20:19:05Z)

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。