論文の概要: Polarisation-Inclusive Spiking Neural Networks for Real-Time RFI Detection in Modern Radio Telescopes

• arxiv url: http://arxiv.org/abs/2504.11720v1
• Date: Wed, 16 Apr 2025 02:45:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-17 14:40:12.484510
• Title: Polarisation-Inclusive Spiking Neural Networks for Real-Time RFI Detection in Modern Radio Telescopes
• Title（参考訳）: 近代電波望遠鏡におけるリアルタイムRFI検出のための偏光包摂型スパイクニューラルネットワーク
• Authors: Nicholas J. Pritchard, Andreas Wicenec, Richard Dodson, Mohammed Bennamoun,
• Abstract要約: Spiking Neural Networks(SNN)は、リアルタイムRFI検出のための有望なソリューションを提供する。 予備的な結果は、最先端の検知精度を示し、広範囲なエネルギー効率の向上を浮き彫りにする。
• 参考スコア（独自算出の注目度）: 25.08630315149258
• License:
• Abstract: Radio Frequency Interference (RFI) is a known growing challenge for radio astronomy, intensified by increasing observatory sensitivity and prevalence of orbital RFI sources. Spiking Neural Networks (SNNs) offer a promising solution for real-time RFI detection by exploiting the time-varying nature of radio observation and neuron dynamics together. This work explores the inclusion of polarisation information in SNN-based RFI detection, using simulated data from the Hydrogen Epoch of Reionisation Array (HERA) instrument and provides power usage estimates for deploying SNN-based RFI detection on existing neuromorphic hardware. Preliminary results demonstrate state-of-the-art detection accuracy and highlight possible extensive energy-efficiency gains.
• Abstract（参考訳）: 電波周波数干渉(Radio Frequency Interference、RFI)は、電波天文学における課題として知られており、観測感度の増大と軌道上のRFI源の出現率の向上によって強化されている。 スパイキングニューラルネットワーク(SNN)は、電波観測とニューロンダイナミクスの時間変化の性質を併用することにより、リアルタイムRFI検出のための有望なソリューションを提供する。 本研究では,SNN ベースの RFI 検出に偏光情報を含めることについて検討し,Hydrogen Epoch of Reionisation Array (HERA) 機器のシミュレーションデータを用いて,既存のニューロモルフィックハードウェアに SNN ベースの RFI 検出をデプロイするための電力使用量の推定を行った。 予備的な結果は、最先端の検知精度を示し、広範囲なエネルギー効率の向上を浮き彫りにする。

関連論文リスト

• Spiking Neural Networks for Radio Frequency Interference Detection in Radio Astronomy [25.08630315149258]
  スパイキングニューラルネットワーク(SNN)は、その動的性質のため、効率的な時間的データ処理を約束する。 本稿では、電波天文学、RFI(Radio Frequency Interference)検出における重要な課題について述べる。 我々は、RF検出性能を向上させるために、分割正規化にインスパイアされた前処理ステップを導入する。 我々の知る限り、この研究はSNNを実際の電波天文学のデータでトレーニングした初めてのものです。
  論文  参考訳（メタデータ） (2024-12-09T01:02:30Z)
• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。 スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。 分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。 本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• Enhanced Real-Time Threat Detection in 5G Networks: A Self-Attention RNN Autoencoder Approach for Spectral Intrusion Analysis [8.805162150763847]
  本稿では,自己認識機構とリカレントニューラルネットワーク(RNN)に基づくオートエンコーダを統合する実験モデルを提案する。 本手法は, 時系列解析, プロセス・イン・フェイズ, および二次(I/Q)サンプルを用いて, ジャミング攻撃の可能性を示す不規則性を同定する。 モデルアーキテクチャは自己アテンション層で拡張され、RNNオートエンコーダの機能を拡張する。
  論文  参考訳（メタデータ） (2024-11-05T07:01:15Z)
• Supervised Radio Frequency Interference Detection with SNNs [25.08630315149258]
  電波干渉(Radio Frequency Interference、RFI)は、電波望遠鏡によって観測される観測を妨害し、地球や天体から発生する電波天文学において重要な課題である。 電波天文学観測の動的・時間的性質を考えると、スパイキングニューラルネットワーク(SNN)は有望なアプローチとして出現する。 SNN推論のための電波可視データの符号化について,レート,レイテンシ,デルタ変調,ステップフォワードアルゴリズムの3つのバリエーションを考慮した6つの符号化方式について検討した。
  論文  参考訳（メタデータ） (2024-06-10T07:49:51Z)
• Neuromorphic Split Computing with Wake-Up Radios: Architecture and Design via Digital Twinning [97.99077847606624]
  本研究は,遠隔・無線接続型NPUからなる分割計算機システムに,覚醒無線機構を組み込んだ新しいアーキテクチャを提案する。 覚醒無線に基づくニューロモルフィックスプリットコンピューティングシステムの設計における重要な課題は、検知、覚醒信号検出、意思決定のためのしきい値の選択である。
  論文  参考訳（メタデータ） (2024-04-02T10:19:04Z)
• RFI-DRUnet: Restoring dynamic spectra corrupted by radio frequency interference -- Application to pulsar observations [9.304820505959519]
  電波干渉(RFI)は、電波天文学において永続的な関心事である。 本研究は、共同検出と修復のためのRFI緩和に取り組むことを提案する。
  論文  参考訳（メタデータ） (2024-02-21T15:19:09Z)
• Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
  6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。 本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T05:01:28Z)
• 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)
• The Spectral Bias of Polynomial Neural Networks [63.27903166253743]
  PNN(Polynomial Neural Network)は、高頻度情報を重要視する画像生成と顔認識に特に有効であることが示されている。 これまでの研究では、ニューラルネットワークが低周波関数に対して$textitspectral bias$を示しており、トレーニング中に低周波成分のより高速な学習をもたらすことが示されている。 このような研究に触発されて、我々はPNNのTangent Kernel(NTK)のスペクトル分析を行う。 我々は、最近提案されたPNNのパラメトリゼーションである$Pi$-Netファミリがスピードアップすることを発見した。
  論文  参考訳（メタデータ） (2022-02-27T23:12:43Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

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。