Fugu-MT 論文翻訳(概要): Streamlining Multimodal Data Fusion in Wireless Communication and Sensor Networks

論文の概要: Streamlining Multimodal Data Fusion in Wireless Communication and Sensor Networks

arxiv url: http://arxiv.org/abs/2302.12636v1
Date: Fri, 24 Feb 2023 13:55:33 GMT
ステータス: 処理完了
システム内更新日: 2023-02-27 13:27:41.988130
Title: Streamlining Multimodal Data Fusion in Wireless Communication and Sensor Networks
Title（参考訳）: 無線通信とセンサネットワークにおけるマルチモーダルデータ融合の合理化
Authors: Mohammud J. Bocus, Xiaoyang Wang, Robert. J. Piechocki
Abstract要約: 本稿では,Vector-Quantized Variational Autoencoder (VQVAE)アーキテクチャに基づくマルチモーダルデータ融合手法を提案する。提案手法は,MNIST-SVHNペアデータとWiFiスペクトログラムデータに優れた再構成性能を実現するのに有効である。
参考スコア（独自算出の注目度）: 4.132799233018846
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents a novel approach for multimodal data fusion based on the Vector-Quantized Variational Autoencoder (VQVAE) architecture. The proposed method is simple yet effective in achieving excellent reconstruction performance on paired MNIST-SVHN data and WiFi spectrogram data. Additionally, the multimodal VQVAE model is extended to the 5G communication scenario, where an end-to-end Channel State Information (CSI) feedback system is implemented to compress data transmitted between the base-station (eNodeB) and User Equipment (UE), without significant loss of performance. The proposed model learns a discriminative compressed feature space for various types of input data (CSI, spectrograms, natural images, etc), making it a suitable solution for applications with limited computational resources.
Abstract（参考訳）: 本稿では,Vector-Quantized Variational Autoencoder (VQVAE)アーキテクチャに基づくマルチモーダルデータ融合手法を提案する。提案手法は,MNIST-SVHNペアデータとWiFiスペクトログラムデータに優れた再構成性能を実現するのに有効である。さらに、マルチモーダルVQVAEモデルは、5G通信シナリオに拡張され、エンド・ツー・エンドのチャネル状態情報(CSI)フィードバックシステムが実装され、基地局(eNodeB)とユーザ機器(UE)間で送信されるデータを、性能を著しく損なうことなく圧縮する。提案モデルは,各種入力データ(CSI,分光図,自然画像など)の識別圧縮特徴空間を学習し,限られた計算資源を持つアプリケーションに適した解法である。

関連論文リスト

Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
論文参考訳（メタデータ） (2024-11-07T14:08:35Z)
Vector Symbolic Open Source Information Discovery [0.41468088383213214]
大規模な言語モデル(トランスフォーマー)はセマンティックデータやメタデータのアライメントを容易にするが、CJIIM設定では非効率である。我々は,変換モデルのVSAとの新たな統合を実証し,前者の力と後者のコンパクトさと表現構造を組み合わせた。この研究は、以前の低技術準備レベル(TRL)研究と将来の高技術実証と展開の間の橋渡しとして実施された。
論文参考訳（メタデータ） (2024-08-20T11:05:56Z)
Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning [50.332027356848094]
AIベースのアプリケーションは、スケジューリングや電力制御などの機能を実行するために、インテリジェントコントローラにデプロイされる。コンテキストとAIモデルのパラメータのマッピングは、ゼロショット方式で理想的に行われる。本稿では,AMSマッピングのオンライン最適化のための一般的な手法を紹介する。
論文参考訳（メタデータ） (2024-06-22T11:17:50Z)
Analysis and Optimization of Wireless Federated Learning with Data Heterogeneity [72.85248553787538]
本稿では、データの不均一性を考慮した無線FLの性能解析と最適化と、無線リソース割り当てについて述べる。ロス関数の最小化問題を、長期エネルギー消費と遅延の制約の下で定式化し、クライアントスケジューリング、リソース割り当て、ローカルトレーニングエポック数(CRE)を共同で最適化する。実世界のデータセットの実験により、提案アルゴリズムは学習精度とエネルギー消費の点で他のベンチマーク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） (2023-08-04T04:18:01Z)
Hybridization of Capsule and LSTM Networks for unsupervised anomaly detection on multivariate data [0.0]
本稿では,Long-Short-Term-Memory(LSTM)とCapsule Networksを1つのネットワークに結合した新しいNNアーキテクチャを提案する。提案手法は教師なし学習手法を用いて大量のラベル付きトレーニングデータを見つける際の問題を克服する。
論文参考訳（メタデータ） (2022-02-11T10:33:53Z)
PolarDenseNet: A Deep Learning Model for CSI Feedback in MIMO Systems [18.646674391114548]
UEにおけるCSIを低次元の潜在空間に符号化し、基地局で復号する自動エンコーダアーキテクチャに基づくAIベースのCSIフィードバックを提案する。シミュレーションの結果,AIに基づく提案したアーキテクチャは,最先端の高分解能線形組合せ符号ブックよりも優れていた。
論文参考訳（メタデータ） (2022-02-02T19:04:49Z)
Dynamic Network-Assisted D2D-Aided Coded Distributed Learning [59.29409589861241]
本稿では,デバイス間のロードバランシングのための新しいデバイス・ツー・デバイス(D2D)支援型符号化学習手法(D2D-CFL)を提案する。最小処理時間を達成するための最適圧縮率を導出し、収束時間との接続を確立する。提案手法は,ユーザが継続的にトレーニングデータを生成するリアルタイム協調アプリケーションに有用である。
論文参考訳（メタデータ） (2021-11-26T18:44:59Z)
Deep Learning-based Implicit CSI Feedback in Massive MIMO [68.81204537021821]
ニューラルネットワーク(NN)を用いて,プリコーディング行列インジケータ(PMI)符号化とデコードモジュールを置き換える,低オーバヘッド特性を継承するDLベースの暗黙的フィードバックアーキテクチャを提案する。 1つのリソースブロック(RB)では、2つのアンテナ構成下のタイプIコードブックと比較して25.0%と40.0%のオーバーヘッドを節約できる。
論文参考訳（メタデータ） (2021-05-21T02:43:02Z)
Binarized Aggregated Network with Quantization: Flexible Deep Learning Deployment for CSI Feedback in Massive MIMO System [22.068682756598914]
アグリゲートチャネル再構築ネットワーク(ACRNet)と呼ばれる新しいネットワークは、フィードバックパフォーマンスを高めるように設計されています。異なる資源制約を満たすために,ネットワークを柔軟に適応させる弾性フィードバック方式を提案する。実験の結果、提案したACRNetは従来の最先端ネットワークの負荷よりも優れていた。
論文参考訳（メタデータ） (2021-05-01T22:50:25Z)
Learning Task-Oriented Communication for Edge Inference: An Information Bottleneck Approach [3.983055670167878]
ローエンドエッジ装置は、ローカルデータサンプルの抽出された特徴ベクトルを強力なエッジサーバに送信して処理する。帯域幅が限られているため、データを低遅延推論のための情報的かつコンパクトな表現に符号化することが重要である。特徴抽出,ソース符号化,チャネル符号化を協調的に最適化する学習型通信方式を提案する。
論文参考訳（メタデータ） (2021-02-08T12:53:32Z)
LoRD-Net: Unfolded Deep Detection Network with Low-Resolution Receivers [104.01415343139901]
本稿では,1ビット計測から情報シンボルを復元する「LoRD-Net」というディープ検出器を提案する。 LoRD-Netは、関心のシグナルを回復するためのタスクベースのアーキテクチャである。無線通信における1ビット信号回復のためのレシーバアーキテクチャの評価を行った。
論文参考訳（メタデータ） (2021-02-05T04:26:05Z)

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。