論文の概要: Towards Simple Machine Learning Baselines for GNSS RFI Detection
- arxiv url: http://arxiv.org/abs/2504.07993v1
- Date: Tue, 08 Apr 2025 12:45:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-14 14:17:49.415661
- Title: Towards Simple Machine Learning Baselines for GNSS RFI Detection
- Title（参考訳）: GNSS RFI検出のためのシンプルな機械学習ベースラインの実現に向けて
- Authors: Viktor Ivanov, Richard C. Wilson, Maurizio Scaramuzza,
- Abstract要約: 本稿では、RFI検出のための機械学習アプローチにおける現状に挑戦する。
我々のソリューションは、最先端のディープラーニングアーキテクチャよりも91%の精度で、潜在的RFIの検出に成功している。
- 参考スコア（独自算出の注目度）: 2.470161703333703
- License:
- Abstract: Machine learning research in GNSS radio frequency interference (RFI) detection often lacks a proper justification for the decisions made in deep learning-based model architectures. Our paper challenges the status quo in machine learning approaches for GNSS RFI detection, revealing the potentially misleading track of current research and highlighting alternative directions. Our position advocates for a shift in focus from solely pursuing novel model designs to critically evaluating the utility of complex black box deep learning methods against simpler and more interpretable machine learning baselines. Our findings demonstrate the need for the creation of simple baselines and suggest the need for more exploration and development of simple and interpretable machine learning methods for the detection of GNSS RFIs. The increment of model complexity in the state-of-the-art deep learning-based models often provides very little improvement. Thanks to a unique dataset from Swiss Air Force and Swiss Air-Rescue (Rega), preprocessed by Swiss Air Navigation Services Ltd. (Skyguide), we demonstrate the effectiveness of a simple machine learning baseline for GNSS RFI detection on real-world large-scale aircraft data containing flight recordings impacted by real jamming. The experimental results indicate that our solution successfully detects potential GNSS RFI with 91% accuracy outperforming state-of-the-art deep learning architectures. We believe that our work offers insights and suggestions for the field to move forward.
- Abstract（参考訳）: GNSSラジオ周波数干渉(RFI)検出における機械学習の研究は、深層学習に基づくモデルアーキテクチャにおける決定に対する適切な正当性に欠けることが多い。
本稿は,GNSS RFI検出のための機械学習アプローチにおける現状に挑戦し,現在の研究の誤解を招く可能性のあるトラックを明らかにし,代替方向を強調した。
我々の立場は、単に新しいモデル設計を追求することから、よりシンプルで解釈しやすい機械学習ベースラインに対する複雑なブラックボックス深層学習手法の有用性を批判的に評価することへの焦点転換を提唱している。
本研究は,GNSS RFIの検出のための簡易かつ解釈可能な機械学習手法の探索と開発の必要性を示唆する。
最先端のディープラーニングベースのモデルにおけるモデルの複雑さの増加は、ほとんど改善しないことが多い。
スイス空軍(Swiss Air Navigation Services Ltd.(Skyguide))が前処理したスイス空軍とスイス空軍(Rega)のユニークなデータセットにより、実ジャミングによって影響された飛行記録を含む現実の大規模航空機データに対して、GNSS RFI検出のための単純な機械学習ベースラインの有効性を実証した。
実験の結果,提案手法は,91%の精度でGNSS RFIの検出に成功し,最先端のディープラーニングアーキテクチャよりも優れていた。
私たちの仕事は、この分野が前進するための洞察と提案を提供すると信じています。
関連論文リスト
- Robust Neural Information Retrieval: An Adversarial and Out-of-distribution Perspective [111.58315434849047]
ニューラルネットワーク検索モデル(IR)モデルの堅牢性は、大きな注目を集めている。
我々は、IRの堅牢性を多面的概念とみなし、敵攻撃、アウト・オブ・ディストリビューション(OOD)シナリオ、パフォーマンスのばらつきに対してその必要性を強調している。
我々は,既存の手法,データセット,評価指標について詳細な議論を行い,大規模言語モデルの時代における課題や今後の方向性に光を当てる。
論文 参考訳（メタデータ） (2024-07-09T16:07:01Z) - 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) - RFI Detection with Spiking Neural Networks [25.08630315149258]
本研究では、スパイキングニューラルネットワーク(SNN)の天文学的データ処理タスク、特にRFI検出への最初の探索的応用について紹介する。
ANN2SNN変換によりSNN実行に最寄りのラテンネーブラーアルゴリズムとオートエンコーダアーキテクチャを適用する。
我々のアプローチは、HERAデータセットのAUROC、AUPRC、F1の既存の手法と競合するが、LOFAR、Tabascalデータセットでは困難である。
論文 参考訳（メタデータ） (2023-11-24T06:27:08Z) - Learning-based NLOS Detection and Uncertainty Prediction of GNSS
Observations with Transformer-Enhanced LSTM Network [2.798138034569478]
本研究では,NLOSの検出と誤りの予測を擬似時間的モデリング問題を用いて行う深層学習に基づく手法を提案する。
香港とAachenのデータセットを使って、提案したネットワークをトレーニングし、評価する。
提案手法は,NLOS観測の分類・排除により,実世界の車両位置の軌跡のばらつきを回避できることを示す。
論文 参考訳（メタデータ） (2023-09-01T14:17:02Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - On-Device Domain Generalization [93.79736882489982]
ドメインの一般化はデバイス上の機械学習アプリケーションにとって重要である。
知識蒸留がこの問題の解決の有力な候補であることがわかった。
本研究では,教師が配布外データをどのように扱えるかを学生に教えることを目的とした,配布外知識蒸留(OKD)という簡単なアイデアを提案する。
論文 参考訳（メタデータ） (2022-09-15T17:59:31Z) - AirDet: Few-Shot Detection without Fine-tuning for Autonomous
Exploration [16.032316550612336]
本稿では,支援画像とのクラス関係の学習による微調整が不要なAirDetを提案する。
AirDetは、徹底的に微調整された方法と同等またはそれ以上の結果を達成し、ベースラインで最大40～60%の改善を実現している。
DARPA潜水試験における実地探査実験の評価結果について述べる。
論文 参考訳（メタデータ） (2021-12-03T06:41:07Z) - Improving the sample-efficiency of neural architecture search with
reinforcement learning [0.0]
この作業では、Automated Machine Learning(AutoML)の領域にコントリビュートしたいと思っています。
我々の焦点は、最も有望な研究方向の一つ、強化学習である。
児童ネットワークの検証精度は、コントローラを訓練するための報奨信号として機能する。
我々は、これをより現代的で複雑なアルゴリズムであるPPOに修正することを提案する。
論文 参考訳（メタデータ） (2021-10-13T14:30:09Z) - ALT-MAS: A Data-Efficient Framework for Active Testing of Machine
Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。
ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文 参考訳（メタデータ） (2021-04-11T12:14:04Z) - AutoOD: Automated Outlier Detection via Curiosity-guided Search and
Self-imitation Learning [72.99415402575886]
外乱検出は重要なデータマイニングの課題であり、多くの実用的応用がある。
本稿では,最適なニューラルネットワークモデルを探すことを目的とした自動外乱検出フレームワークであるAutoODを提案する。
さまざまな実世界のベンチマークデータセットに対する実験結果から、AutoODが特定したディープモデルが最高のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2020-06-19T18:57:51Z) - Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and
On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。
正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。
我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文 参考訳（メタデータ） (2020-01-13T04:41:54Z)
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。