論文の概要: Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing
- arxiv url: http://arxiv.org/abs/2312.05043v1
- Date: Fri, 8 Dec 2023 13:50:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-11 15:00:02.071905
- Title: Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing
- Title（参考訳）: ゼロショット無線センシングのための物理層セマンティック・アウェアネットワーク
- Authors: Huixiang Zhu, Yong Xiao, Yingyu Li, Guangming Shi, Walid Saad
- Abstract要約: デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
- 参考スコア（独自算出の注目度）: 74.12670841657038
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Device-free wireless sensing has recently attracted significant interest due
to its potential to support a wide range of immersive human-machine interactive
applications. However, data heterogeneity in wireless signals and data privacy
regulation of distributed sensing have been considered as the major challenges
that hinder the wide applications of wireless sensing in large area networking
systems. Motivated by the observation that signals recorded by wireless
receivers are closely related to a set of physical-layer semantic features, in
this paper we propose a novel zero-shot wireless sensing solution that allows
models constructed in one or a limited number of locations to be directly
transferred to other locations without any labeled data. We develop a novel
physical-layer semantic-aware network (pSAN) framework to characterize the
correlation between physical-layer semantic features and the sensing data
distributions across different receivers. We then propose a pSAN-based
zero-shot learning solution in which each receiver can obtain a
location-specific gesture recognition model by directly aggregating the already
constructed models of other receivers. We theoretically prove that models
obtained by our proposed solution can approach the optimal model without
requiring any local model training. Experimental results once again verify that
the accuracy of models derived by our proposed solution matches that of the
models trained by the real labeled data based on supervised learning approach.
- Abstract（参考訳）: デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
しかし、無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
本稿では,無線受信機で記録された信号が物理層意味的特徴のセットと密接な関係にあるという観測に動機づけられ,1つまたは限られた数で構築されたモデルがラベル付きデータなしで他の場所に直接転送できる,新しいゼロショット無線センシングソリューションを提案する。
我々は,物理層セマンティック・アウェア・ネットワーク(pSAN)フレームワークを開発し,物理層セマンティック特徴と異なる受信機間でのセンシングデータ分布の相関を特徴付ける。
次に,pSANをベースとしたゼロショット学習ソリューションを提案し,すでに構築されている他の受信機のモデルを直接集約することで,各受信機が位置特異的なジェスチャー認識モデルを得ることができるようにした。
提案手法により得られたモデルが局所モデルトレーニングを必要とせずに最適モデルにアプローチできることを理論的に証明する。
実験の結果,提案手法によるモデルの精度は,教師付き学習手法に基づく実ラベルデータで学習したモデルの精度と一致することを確認した。
関連論文リスト
- GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳（メタデータ） (2022-05-24T10:20:16Z) - An Online Ensemble Learning Model for Detecting Attacks in Wireless
Sensor Networks [0.0]
我々は、アンサンブル学習として知られる重要な機械学習の概念を適用して、インテリジェントで効率的で、かつ、高機能な侵入検知システムを開発する。
本稿では,感覚データ解析における同種・異種のオンラインアンサンブルの応用について検討する。
提案されたオンラインアンサンブルのうち、アダプティブ・ランダム・フォレスト(ARF)とHoeffding Adaptive Tree(HAT)アルゴリズムを組み合わせた異種アンサンブルと、10モデルからなる同種アンサンブルHATは、それぞれ96.84%と97.2%という高い検出率を達成した。
論文 参考訳（メタデータ） (2022-04-28T23:10:47Z) - Federated Learning for Distributed Spectrum Sensing in NextG
Communication Networks [3.509171590450989]
NextGネットワークは、既存のユーザとスペクトルを共有する柔軟性を提供することを目的としている。
無線センサのネットワークは、大規模な展開領域における信号伝達のスペクトルを監視するために必要である。
精度を向上させるために、個々のセンサは、センサーデータまたはセンサー結果を相互または融合センタで交換することができる。
論文 参考訳（メタデータ） (2022-04-06T18:18:42Z) - Multi-task Learning Approach for Modulation and Wireless Signal
Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。
我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。
公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
論文 参考訳（メタデータ） (2022-02-26T14:51:02Z) - Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D
Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。
そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文 参考訳（メタデータ） (2021-11-30T18:42:42Z) - Integrating Sensing and Communication in Cellular Networks via NR
Sidelink [7.42576783544779]
我々は、その角度と回転依存性であるサイドリンクベースのRFセンシングに関する共通の問題について議論する。
本稿では,データの提案時間的特徴を捉えるためのグラフベースのエンコーダと,多角学習のための4つのアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-15T12:41:31Z) - Self-supervised Audiovisual Representation Learning for Remote Sensing Data [96.23611272637943]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。
ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。
提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-08-02T07:50:50Z) - ChaRRNets: Channel Robust Representation Networks for RF Fingerprinting [0.0]
RFフィンガープリントのための複雑値畳み込みニューラルネットワーク(CNN)を提案する。
我々は,深層学習(dl)技術を用いた無線iotデバイスの指紋認証の問題に注目する。
論文 参考訳（メタデータ） (2021-05-08T03:03:21Z) - 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) - A Generative Learning Approach for Spatio-temporal Modeling in Connected
Vehicular Network [55.852401381113786]
本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。
LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。
特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
論文 参考訳（メタデータ） (2020-03-16T03:43:59Z)
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。