論文の概要: Mixture of Experts-augmented Deep Unfolding for Activity Detection in IRS-aided Systems

• arxiv url: http://arxiv.org/abs/2502.20183v1
• Date: Thu, 27 Feb 2025 15:19:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-28 14:56:30.753824
• Title: Mixture of Experts-augmented Deep Unfolding for Activity Detection in IRS-aided Systems
• Title（参考訳）: IRS支援システムのアクティビティ検出のためのエキスパート強化ディープアンフォールディングの混合
• Authors: Zeyi Ren, Qingfeng Lin, Jingreng Lei, Yang Li, Yik-Chung Wu,
• Abstract要約: 本稿では,モデル駆動型深層展開と専門家の混合(MoE)フレームワークを組み合わせた新しいアプローチを提案する。 提案手法は, 3つの専門家設計のうちの1つを自動的に選択し, 未展開の勾配法に適用することにより, デバイスと基地局間のチャネルタイプに関する事前知識を不要にする。 シミュレーションの結果,提案手法は従来の共分散法およびブラックボックスニューラルネットワーク設計を超越していることがわかった。
• 参考スコア（独自算出の注目度）: 16.28429015815172
• License:
• Abstract: In the realm of activity detection for massive machine-type communications, intelligent reflecting surfaces (IRS) have shown significant potential in enhancing coverage for devices lacking direct connections to the base station (BS). However, traditional activity detection methods are typically designed for a single type of channel model, which does not reflect the complexities of real-world scenarios, particularly in systems incorporating IRS. To address this challenge, this paper introduces a novel approach that combines model-driven deep unfolding with a mixture of experts (MoE) framework. By automatically selecting one of three expert designs and applying it to the unfolded projected gradient method, our approach eliminates the need for prior knowledge of channel types between devices and the BS. Simulation results demonstrate that the proposed MoE-augmented deep unfolding method surpasses the traditional covariance-based method and black-box neural network design, delivering superior detection performance under mixed channel fading conditions.
• Abstract（参考訳）: 大規模機械型通信における活動検出の分野では、インテリジェント反射面(IRS)は、基地局(BS)への直接接続が欠如している機器のカバレッジを高める重要な可能性を示している。 しかし、従来のアクティビティ検出手法は、特にIRSを組み込んだシステムにおいて、現実世界のシナリオの複雑さを反映しない単一のチャネルモデルのために設計されている。 この課題に対処するために,モデル駆動の深層展開と専門家の混合(MoE)フレームワークを組み合わせた新しいアプローチを提案する。 提案手法は, 3つの専門家設計のうちの1つを自動的に選択し, 未展開の勾配法に適用することにより, デバイスとBS間のチャネルタイプに関する事前知識を不要にする。 シミュレーションにより,提案手法は従来の共分散法およびブラックボックスニューラルネットワーク設計を超越し,混合チャネルフェード条件下での優れた検出性能を実現することを示した。

関連論文リスト

• Training-free Quantum-Inspired Image Edge Extraction Method [4.8188571652305185]
  トレーニング不要で量子にインスパイアされたエッジ検出モデルを提案する。 提案手法は,古典的なソベルエッジ検出,シュリンガー波動方程式の洗練,ハイブリッドフレームワークを統合する。 トレーニングの必要性をなくすことで、モデルは軽量で多様なアプリケーションに適用できます。
  論文  参考訳（メタデータ） (2025-01-31T07:24:38Z)
• GRAPHMOE: Amplifying Cognitive Depth of Mixture-of-Experts Network via Introducing Self-Rethinking Mechanism [20.765816590224787]
  GraphMOE は Pseudo GraphMoE ネットワーク上に構築された自己再考機構により,言語モデルの認知深度を増大させる新しい手法である。 ローランド適応技術(LoRA)を用いて GraphMOE アーキテクチャを実装し,様々なベンチマークデータセットに対して広範な実験を行う。 実験の結果, GraphMOEは他のLoRAモデルよりも優れ,SOTA(State-of-the-art)性能を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-01-14T06:59:51Z)
• Optimizing Multispectral Object Detection: A Bag of Tricks and Comprehensive Benchmarks [49.84182981950623]
  RGBおよびTIR(熱赤外)変調を利用したマルチスペクトル物体検出は,課題として広く認識されている。 モダリティと堅牢な融合戦略の両方から特徴を効果的に抽出するだけでなく、スペクトルの相違といった問題に対処する能力も必要である。 本稿では,高パフォーマンス単一モードモデルのシームレスな最適化が可能な,効率的かつ容易にデプロイ可能なマルチスペクトルオブジェクト検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-27T12:18:39Z)
• Convolutional Neural Network Design and Evaluation for Real-Time Multivariate Time Series Fault Detection in Spacecraft Attitude Sensors [41.94295877935867]
  本稿では,ドローンのような宇宙船の加速度計および慣性測定ユニット内のスタンプ値を検出するための新しい手法を提案する。 マルチチャネル畳み込みニューラルネットワーク(CNN)は、マルチターゲット分類を実行し、センサ内の障害を独立に検出するために使用される。 ネットワークの異常を効果的に検出し,システムレベルでの回復動作をトリガーする統合手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T09:36:38Z)
• Embedding Trajectory for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
  数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。 本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。 提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
  論文  参考訳（メタデータ） (2024-05-22T22:22:25Z)
• A Distributed Inference System for Detecting Task-wise Single Trial Event-Related Potential in Stream of Satellite Images [24.744982210035964]
  本稿では,衛星画像のストリーム中のタスクワイズ単眼ERPを検出するための分散推論システムを提案する。 本システムでは,各タスクに最適化された複数のモデルを用いて,画像遷移時間と目標設定時間にまたがる性能の向上を実現している。
  論文  参考訳（メタデータ） (2023-11-10T08:12:14Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Learnable Multi-level Frequency Decomposition and Hierarchical Attention Mechanism for Generalized Face Presentation Attack Detection [7.324459578044212]
  顔提示攻撃検知(PAD)は多くの注目を集めており、顔認識システムを保護する上で重要な役割を果たしている。 両ストリーム畳み込みニューラルネットワーク(CNN)フレームワークを提案する。 ステップワイドアブレーション研究において提案したPAD法の設計を実証した。
  論文  参考訳（メタデータ） (2021-09-16T13:06:43Z)
• Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
  そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。 推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。 提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
  論文  参考訳（メタデータ） (2021-07-27T06:57:56Z)
• Model-Based Machine Learning for Communications [110.47840878388453]
  モデルベースのアルゴリズムと機械学習をハイレベルな視点で組み合わせるための既存の戦略を見直します。 通信受信機の基本的なタスクの一つであるシンボル検出に注目する。
  論文  参考訳（メタデータ） (2021-01-12T19:55:34Z)
• Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
  本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。 提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
  論文  参考訳（メタデータ） (2020-01-22T15:23:48Z)

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。