論文の概要: pyrtklib: An open-source package for tightly coupled deep learning and GNSS integration for positioning in urban canyons

• arxiv url: http://arxiv.org/abs/2409.12996v1
• Date: Thu, 19 Sep 2024 14:47:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 12:25:44.095863
• Title: pyrtklib: An open-source package for tightly coupled deep learning and GNSS integration for positioning in urban canyons
• Title（参考訳）: pyrtklib: 都市キャニオンにおける位置決めのための密結合型ディープラーニングとGNSS統合のためのオープンソースパッケージ
• Authors: Runzhi Hu, Penghui Xu, Yihan Zhong, Weisong Wen,
• Abstract要約: 本稿では,広く利用されているオープンソースツールRTKLIBのPythonバインディングであるpyrtklibを紹介する。 我々は,新しいディープラーニングフレームワークであるpyrtklibの下で,ディープラーニングサブシステムを提案する。 pyrtklibを使用することで、開発者はディープラーニング支援アルゴリズムを簡単かつ迅速に実装できる。
• 参考スコア（独自算出の注目度）: 5.582828971989988
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) is revolutionizing numerous fields, with increasing applications in Global Navigation Satellite Systems (GNSS) positioning algorithms in intelligent transportation systems (ITS) via deep learning. However, a significant technological disparity exists as traditional GNSS algorithms are often developed in Fortran or C, contrasting with the Python-based implementation prevalent in deep learning tools. To address this discrepancy, this paper introduces pyrtklib, a Python binding for the widely utilized open-source GNSS tool, RTKLIB. This binding makes all RTKLIB functionalities accessible in Python, facilitating seamless integration. Moreover, we present a deep learning subsystem under pyrtklib, which is a novel deep learning framework that leverages pyrtklib to accurately predict weights and biases within the GNSS positioning process. The use of pyrtklib enables developers to easily and quickly prototype and implement deep learning-aided GNSS algorithms, showcasing its potential to enhance positioning accuracy significantly.
• Abstract（参考訳）: 人工知能(AI)は多くの分野に革命をもたらしており、深層学習によるインテリジェント輸送システム(ITS)におけるグローバルナビゲーション衛星システム(GNSS)測位アルゴリズムの応用が増加している。 しかし、従来のGNSSアルゴリズムはFortranやCでしばしば開発され、ディープラーニングツールで広く使われているPythonベースの実装とは対照的である。 そこで本稿では,広く利用されているオープンソースGNSSツールRTKLIBのPythonバインディングであるpyrtklibを紹介する。 このバインディングにより、すべてのRTKLIB機能がPythonでアクセスでき、シームレスな統合が容易になる。 また,Pyrtklib を用いた新しいディープラーニングフレームワークである pyrtklib を用いて,GNSS 位置決めプロセスにおける重みとバイアスを正確に予測する深層学習サブシステムを提案する。 pyrtklibを使用することで、ディープラーニング支援GNSSアルゴリズムのプロトタイプと実装を簡単かつ迅速に行えるようになり、位置決め精度を大幅に向上する可能性を示している。

関連論文リスト

• SocialED: A Python Library for Social Event Detection [53.928241775629566]
  SocialEDは、ソーシャルイベント検出(SED)タスクをサポートするように設計された、包括的なオープンソースのPythonライブラリである。 詳細なドキュメンテーションを備えた統一APIを提供し、研究者や実践者がソーシャルメディアにおけるイベント検出の完全なソリューションを提供する。 SocialEDは、グラフ構築やトークン化など、幅広い事前処理技術をサポートし、モデルのトレーニングや予測のための標準化されたインターフェースを含んでいる。
  論文  参考訳（メタデータ） (2024-12-18T03:37:47Z)
• A Survey of Machine Learning Techniques for Improving Global Navigation Satellite Systems [0.0]
  本稿では,機械学習(ML)の最近の進歩とその限界に対処する可能性を強調する。 教師なし学習、教師なし学習、ディープラーニング、ハイブリッドアプローチなど、幅広いML手法をカバーする。 このサーベイは、信号解析、異常検出、マルチセンサー統合、予測、MLを用いた精度向上といった、位置決めアプリケーションに関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-03-29T18:31:50Z)
• DBA-Fusion: Tightly Integrating Deep Dense Visual Bundle Adjustment with Multiple Sensors for Large-Scale Localization and Mapping [3.5047603107971397]
  トレーニング可能な高密度バンドル調整(DBA)を因子グラフを通じて多センサ情報と密に統合する。 視覚-慣性統合のためのパイプラインが最初に開発され、メカニカルスケールのローカライゼーションとマッピングの最小限の能力を提供する。 その結果,大規模環境におけるリアルタイム高密度マッピングを実現する手法として,より優れたローカライゼーション性能が得られた。
  論文  参考訳（メタデータ） (2024-03-20T16:20:54Z)
• Operation-Level Performance Benchmarking of Graph Neural Networks for Scientific Applications [0.15469452301122172]
  我々は、Pytorch Geometric Softwareフレームワークで実装された科学計算のために、グラフニューラルネットワーク(GNN)に関連する低レベルの演算をプロファイルし、選択する。 次にこれらをNVIDIA A100 GPU上で厳格にベンチマークし、テンソル間隔を含むいくつかの入力値の組み合わせを行う。 1) メモリの非効率性のようなボトルネックを解消することは、データ空間のみよりも実行時コストを優先することが多い。 これらの結果は、特殊なハードウェア上でこれらの操作を開発する人々のベースラインとして役立ち、その後の分析が将来のソフトウェアおよびハードウェアベースの最適化を促進するのに役立つことを願っています。
  論文  参考訳（メタデータ） (2022-07-20T15:01:12Z)
• Federated Stochastic Gradient Descent Begets Self-Induced Momentum [151.4322255230084]
  Federated Learning(FL)は、モバイルエッジシステムに適用可能な、新興の機械学習手法である。 このような条件下での勾配降下(SGD)への走行は,大域的な集約プロセスに運動量的な項を加えるとみなすことができる。
  論文  参考訳（メタデータ） (2022-02-17T02:01:37Z)
• pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
  pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。 我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
  論文  参考訳（メタデータ） (2022-01-11T12:18:44Z)
• Bayesian Embeddings for Few-Shot Open World Recognition [60.39866770427436]
  埋め込みベースの数ショット学習アルゴリズムをオープンワールド認識設定に拡張する。 当社のフレームワークは,MiniImageNetとTieredImageNetによる数ショット学習データセットのオープンワールド拡張をベンチマークする。
  論文  参考訳（メタデータ） (2021-07-29T00:38:47Z)
• PyTorch-Hebbian: facilitating local learning in a deep learning framework [67.67299394613426]
  ヘビーンの局所学習は、バックプロパゲーションの代替の訓練メカニズムとしての可能性を示している。 本稿では,既存のディープラーニングパイプラインにおける局所学習ルールの網羅的かつ体系的な評価のための枠組みを提案する。 このフレームワークは、Krotov-Hopfield学習規則を精度を犠牲にすることなく標準の畳み込みニューラルネットワークに拡張するために使用される。
  論文  参考訳（メタデータ） (2021-01-31T10:53:08Z)
• PyLightcurve-torch: a transit modelling package for deep learning applications in PyTorch [0.0]
  我々はPyLightcurveとPyTorchをベースにした新しいオープンソースpythonパッケージを提案する。 効率的な計算と外惑星トランジットの自動分化のために調整されている。
  論文  参考訳（メタデータ） (2020-11-03T22:05:41Z)
• A Fortran-Keras Deep Learning Bridge for Scientific Computing [6.768544973019004]
  ソフトウェアライブラリであるFortran-Keras Bridge(FKB)を導入する。 本稿は、FKBが提供するいくつかのユニークな機能、例えば、カスタマイズ可能なレイヤ、損失関数、ネットワークアンサンブルについて述べる。 本稿は,地球規模の気候シミュレーションに対する実験的アプローチの堅牢性に関するオープンな疑問にFKBを適用したケーススタディで締めくくっている。
  論文  参考訳（メタデータ） (2020-04-14T15:10:09Z)
• Large-Scale Gradient-Free Deep Learning with Recursive Local Representation Alignment [84.57874289554839]
  大規模データセット上でディープニューラルネットワークをトレーニングするには、重要なハードウェアリソースが必要である。 これらのネットワークをトレーニングするためのワークホースであるバックプロパゲーションは、本質的に並列化が難しいシーケンシャルなプロセスである。 本稿では、深層ネットワークのトレーニングに使用できるバックプロップに代わる、神経生物学的に有望な代替手段を提案する。
  論文  参考訳（メタデータ） (2020-02-10T16:20:02Z)

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。