論文の概要: Multi-Surrogate-Teacher Assistance for Representation Alignment in Fingerprint-based Indoor Localization

• arxiv url: http://arxiv.org/abs/2412.12189v1
• Date: Fri, 13 Dec 2024 22:00:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-18 14:02:11.974259
• Title: Multi-Surrogate-Teacher Assistance for Representation Alignment in Fingerprint-based Indoor Localization
• Title（参考訳）: 指紋を用いた屋内位置認識におけるマルチサロゲート型教師支援
• Authors: Son Minh Nguyen, Linh Duy Tran, Duc Viet Le, Paul J. M Havinga,
• Abstract要約: 本稿では、受信信号強度(RSS)指紋データセット間の転送可能な表現を学習するためのプラグイン・アンド・プレイフレームワークを提案する。 この作業には、エキスパートトレーニングとエキスパート蒸留の2つの主要なフェーズが含まれている。 3つのWiFi RSS指紋データセットのベンチマーク実験により、このフレームワークの有効性が示された。
• 参考スコア（独自算出の注目度）: 0.5199807441687141
• License:
• Abstract: Despite remarkable progress in knowledge transfer across visual and textual domains, extending these achievements to indoor localization, particularly for learning transferable representations among Received Signal Strength (RSS) fingerprint datasets, remains a challenge. This is due to inherent discrepancies among these RSS datasets, largely including variations in building structure, the input number and disposition of WiFi anchors. Accordingly, specialized networks, which were deprived of the ability to discern transferable representations, readily incorporate environment-sensitive clues into the learning process, hence limiting their potential when applied to specific RSS datasets. In this work, we propose a plug-and-play (PnP) framework of knowledge transfer, facilitating the exploitation of transferable representations for specialized networks directly on target RSS datasets through two main phases. Initially, we design an Expert Training phase, which features multiple surrogate generative teachers, all serving as a global adapter that homogenizes the input disparities among independent source RSS datasets while preserving their unique characteristics. In a subsequent Expert Distilling phase, we continue introducing a triplet of underlying constraints that requires minimizing the differences in essential knowledge between the specialized network and surrogate teachers through refining its representation learning on the target dataset. This process implicitly fosters a representational alignment in such a way that is less sensitive to specific environmental dynamics. Extensive experiments conducted on three benchmark WiFi RSS fingerprint datasets underscore the effectiveness of the framework that significantly exerts the full potential of specialized networks in localization.
• Abstract（参考訳）: 視覚的およびテキスト的ドメイン間の知識伝達の顕著な進歩にもかかわらず、これらの成果は屋内のローカライゼーション、特に受信信号強度(RSS)指紋データセット間の伝達可能な表現を学習するために拡張されているが、依然として課題である。 これは、構築構造、入力数、WiFiアンカーの配置のバリエーションなど、これらのRSSデータセットに固有の相違があるためである。 したがって、伝達可能な表現を識別する能力を失った専門ネットワークは、環境に敏感なヒントを学習プロセスに組み込むことができ、特定のRSSデータセットに適用した場合の可能性を制限することができる。 本研究では,2つの主要なフェーズを通じて,ターゲットRSSデータセット上で,特定ネットワークへの転送可能な表現の活用を容易にする,知識伝達のためのプラグイン・アンド・プレイ(PnP)フレームワークを提案する。 当初我々は、複数のサロゲート生成教師を特徴とするエキスパートトレーニングフェーズを設計し、それぞれが独立したRSSデータセット間の入力格差を均質化するグローバルアダプタとして機能し、その特徴を保っている。 その後のExpert Distillingフェーズでは、ターゲットデータセット上で表現学習を洗練することにより、専門的ネットワークとサロゲート教師間の本質的な知識の相違を最小化する必要のある、基礎的な制約の3重化を引き続き導入する。 このプロセスは、特定の環境力学に敏感でない方法で表現的アライメントを暗黙的に促進する。 3つのベンチマークWiFi RSS指紋データセットで実施された大規模な実験は、局所化における特殊ネットワークの潜在能力を著しく発揮するフレームワークの有効性を裏付けるものである。

関連論文リスト

• FMRT: Learning Accurate Feature Matching with Reconciliatory Transformer [29.95553680263075]
  本稿では,複数の受容場と異なる特徴を適応的に整合する検出不要な手法であるFMRTを提案する。 FMRTは、ポーズ推定、視覚的ローカライゼーション、ホモグラフィー推定、画像マッチングなど、複数のベンチマークで素晴らしいパフォーマンスを得る。
  論文  参考訳（メタデータ） (2023-10-20T15:54:18Z)
• Evaluating the structure of cognitive tasks with transfer learning [67.22168759751541]
  本研究では,脳波復号処理における深層学習表現の伝達可能性について検討した。 最近リリースされた2つのEEGデータセット上で、最先端デコードモデルを用いて広範な実験を行う。
  論文  参考訳（メタデータ） (2023-07-28T14:51:09Z)
• Feature Disentanglement Learning with Switching and Aggregation for Video-based Person Re-Identification [9.068045610800667]
  映像人物再識別(Re-ID)では、連続したフレームから対象人物の特徴を一貫して抽出する必要がある。 既存の手法は時間的情報の使用方法にのみ焦点をあてる傾向があり、しばしばネットワークは同じような外観と同じ背景に騙される。 本稿では,DSANet(Disentanglement and Switching and Aggregation Network)を提案する。
  論文  参考訳（メタデータ） (2022-12-16T04:27:56Z)
• Self-Supervised Graph Neural Network for Multi-Source Domain Adaptation [51.21190751266442]
  ドメイン適応(DA)は、テストデータがトレーニングデータの同じ分布に完全に従わない場合に、シナリオに取り組む。 大規模未ラベルサンプルから学習することで、自己教師型学習がディープラーニングの新しいトレンドとなっている。 我々は,より効果的なタスク間情報交換と知識共有を実現するために,新しい textbfSelf-textbf Supervised textbfGraph Neural Network (SSG) を提案する。
  論文  参考訳（メタデータ） (2022-04-08T03:37:56Z)
• Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
  識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。 データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2022-02-01T17:11:13Z)
• Federated Learning: A Signal Processing Perspective [144.63726413692876]
  フェデレーションラーニングは、データを明示的に交換することなく、ローカルデータセットを保持する複数のエッジデバイスでモデルをトレーニングするための新しい機械学習パラダイムです。 本稿では、信号処理ツールを用いて扱うのが自然である主な課題をカプセル化し、強調する、連合学習のための統一的な体系的フレームワークを提供する。
  論文  参考訳（メタデータ） (2021-03-31T15:14:39Z)
• Exploiting Shared Representations for Personalized Federated Learning [54.65133770989836]
  本稿では,クライアント間の共有データ表現と,クライアント毎のユニークなローカルヘッダを学習するための,新しいフェデレーション学習フレームワークとアルゴリズムを提案する。 提案アルゴリズムは, クライアント間の分散計算能力を利用して, 表現の更新毎に低次元の局所パラメータに対して, 多数の局所更新を行う。 この結果は、データ分布間の共有低次元表現を学習することを目的とした、幅広い種類の問題に対するフェデレーション学習以上の関心を持っている。
  論文  参考訳（メタデータ） (2021-02-14T05:36:25Z)
• Sense and Learn: Self-Supervision for Omnipresent Sensors [9.442811508809994]
  我々は、生の知覚データから表現や特徴学習のためのSense and Learnというフレームワークを提案する。 これは、面倒なラベル付けプロセスに人間が関与することなく、注釈のないデータから、高レベルで広範囲に有用な特徴を学習できる補助的なタスクで構成されている。 提案手法は、教師付きアプローチと競合する結果を達成し、ネットワークを微調整し、ほとんどの場合、下流タスクを学習することでギャップを埋める。
  論文  参考訳（メタデータ） (2020-09-28T11:57:43Z)
• Federated Self-Supervised Learning of Multi-Sensor Representations for Embedded Intelligence [8.110949636804772]
  スマートフォン、ウェアラブル、IoT(Internet of Things)デバイスは、教師付きモデルを学習するための集中リポジトリに蓄積できない豊富なデータを生成する。 本稿では,ウェーブレット変換に基づくテキストカルグラム・信号対応学習という自己教師付きアプローチを提案し,ラベルなしセンサ入力から有用な表現を学習する。 さまざまなパブリックデータセットのマルチビュー戦略を用いて,学習機能の品質を広範囲に評価し,すべての領域で高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-07-25T21:59:17Z)
• Uniform Priors for Data-Efficient Transfer [65.086680950871]
  もっとも移動可能な特徴は埋め込み空間において高い均一性を有することを示す。 我々は、未確認のタスクやデータへの適応を容易にする能力の正規化を評価する。
  論文  参考訳（メタデータ） (2020-06-30T04:39:36Z)

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。