Fugu-MT 論文翻訳(概要): Por\'ownanie metod detekcji zaj\k{e}to\'sci widma radiowego z wykorzystaniem uczenia federacyjnego z oraz bez w\k{e}z{\l}a centralnego

論文の概要: Por\'ownanie metod detekcji zaj\k{e}to\'sci widma radiowego z wykorzystaniem uczenia federacyjnego z oraz bez w\k{e}z{\l}a centralnego

arxiv url: http://arxiv.org/abs/2304.04754v1
Date: Fri, 31 Mar 2023 05:30:19 GMT
ステータス: 処理完了
システム内更新日: 2023-04-16 22:26:06.073424
Title: Por\'ownanie metod detekcji zaj\k{e}to\'sci widma radiowego z wykorzystaniem uczenia federacyjnego z oraz bez w\k{e}z{\l}a centralnego
Title（参考訳）: Por\ownanie metod detekcji zaj\k{e}to\'sci widma radiowego z wykorzystaniem uczenia federacyjnego z oraz bez w\k{e}z{\l}a centralnego
Authors: {\L}ukasz Ku{\l}acz
Abstract要約: 本稿では,フェデレートされた機械学習を用いたシステム設計における2つのアプローチを比較する。スペクトル占有検出の単純な方法は信頼性に欠けることが多いため、機械学習や人工知能がサポートするスペクトル占有検出アルゴリズムがしばしば使われ、成功している。
参考スコア（独自算出の注目度）: 0.24366811507669117
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Dynamic spectrum access systems typically require information about the spectrum occupancy and thus the presence of other users in order to make a spectrum al-location decision for a new device. Simple methods of spectrum occupancy detection are often far from reliable, hence spectrum occupancy detection algorithms supported by machine learning or artificial intelligence are often and successfully used. To protect the privacy of user data and to reduce the amount of control data, an interesting approach is to use federated machine learning. This paper compares two approaches to system design using federated machine learning: with and without a central node.
Abstract（参考訳）: 動的スペクトルアクセスシステムは通常、新しいデバイスのためにスペクトルal位置を決定するために、スペクトル占有率と他のユーザの存在に関する情報を必要とする。スペクトル占有検出の単純な方法は信頼性に欠けることが多いため、機械学習や人工知能がサポートするスペクトル占有検出アルゴリズムがしばしば使われ、成功している。ユーザデータのプライバシーを保護し、制御データの量を減らすために、連合機械学習を使うのが興味深いアプローチである。本稿では,連合機械学習を用いたシステム設計における2つのアプローチを比較する。

関連論文リスト

Federated Learning for UAV-Based Spectrum Sensing: Enhancing Accuracy Through SNR-Weighted Model Aggregation [0.0]
無人航空機(UAV)ネットワークは、3D空間、その課題、そして機会に関して異なる視点を必要とする。本稿では,その分散特性と計算能力の制限を考慮した,UAVネットワークにおけるスペクトルセンシングのためのFLに基づく手法を提案する。我々はまた、UAVが観測した信号と雑音の比率を考慮し、グローバルモデルを得るフェデレーションアグリゲーション手法、すなわちFedSNRを開発した。
論文参考訳（メタデータ） (2024-11-17T19:24:49Z)
PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
私たちはaを提案します。フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
論文参考訳（メタデータ） (2024-06-04T13:51:08Z)
Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文参考訳（メタデータ） (2024-03-12T01:28:00Z)
Collaborative Wideband Spectrum Sensing and Scheduling for Networked UAVs in UTM Systems [2.755290959487378]
ネットワーク型無人航空機(UAV)の協調広帯域スペクトルセンシングとスケジューリングのためのデータ駆動型フレームワークを提案する。スペクトルスケジューリングフェーズにおいて、検出されたスペクトル穴を二次ユーザ(UAV)に動的に割り当てるために強化学習(RL)ソリューションを利用する。この評価手法は、航空機用ML/AIベースのスペクトル管理ソリューションの開発に使用できる大規模なスペクトルデータセットを生成するフレキシブルなフレームワークを提供する。
論文参考訳（メタデータ） (2023-08-09T16:08:44Z)
Realtime Spectrum Monitoring via Reinforcement Learning -- A Comparison Between Q-Learning and Heuristic Methods [0.0]
利用可能なレシーバリソースを制御するための2つのアプローチを比較した。使用するQ-ラーニングアルゴリズムは、より少ない探索率を犠牲にして、アプローチよりもはるかに高い検出率を有する。
論文参考訳（メタデータ） (2023-07-11T19:40:02Z)
Federated Learning in MIMO Satellite Broadcast System [0.0]
フェデレートラーニング(Federated Learning, FL)とは、クライアントのデータを敵や中央サーバから保護する分散機械学習の一種である。既存のフェデレートされた学習手法は、推論に弱いセキュアなマルチパーティ計算(SMC)または(比較的少ないデータを持つ多数のパーティに対してテスト精度を低下させる可能性のある差分プライバシ)を使用する。
論文参考訳（メタデータ） (2023-03-29T11:33:51Z)
Deep Spectro-temporal Artifacts for Detecting Synthesized Speech [57.42110898920759]
本稿では,トラック1(低品質フェイク音声検出)とトラック2(部分フェイク音声検出)の総合評価を行う。本稿では, 原時間信号, スペクトル特性, 深層埋没特性を用いて, 分光時相アーティファクトを検出した。我々はそれぞれ1番線と2番線で4位と5位にランクインした。
論文参考訳（メタデータ） (2022-10-11T08:31:30Z)
Design of an Novel Spectrum Sensing Scheme Based on Long Short-Term Memory and Experimental Validation [0.7349727826230862]
深層学習ネットワーク(DLN)の重要な要素である長期記憶(LSTM)に基づくスペクトルセンシング手法を提案する。提案手法は, Adalm Pluto を用いた実証実験により検証した。
論文参考訳（メタデータ） (2021-11-21T08:51:48Z)
Federated Doubly Stochastic Kernel Learning for Vertically Partitioned Data [93.76907759950608]
本稿では,垂直分割データに対する2倍のカーネル学習アルゴリズムを提案する。本稿では,FDSKLがカーネルを扱う場合,最先端のフェデレーション学習手法よりもはるかに高速であることを示す。
論文参考訳（メタデータ） (2020-08-14T05:46:56Z)
Detection of gravitational-wave signals from binary neutron star mergers using machine learning [52.77024349608834]
本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。信号対雑音比が25未満の信号に対する感度は6因子改善した。保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
論文参考訳（メタデータ） (2020-06-02T10:20:11Z)
A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
論文参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。