論文の概要: LEAM: A Prompt-only Large Language Model-enabled Antenna Modeling Method
- arxiv url: http://arxiv.org/abs/2504.18271v1
- Date: Fri, 25 Apr 2025 11:29:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.755036
- Title: LEAM: A Prompt-only Large Language Model-enabled Antenna Modeling Method
- Title（参考訳）: LEAM: プロンプトのみの大規模言語モデル対応アンテナモデリング手法
- Authors: Tao Wu, Kexue Fu, Qiang Hua, Xinxin Liu, Muhammad Ali Imran, Bo Liu,
- Abstract要約: LEAM(Large Language Model, LLM)と呼ばれるアンテナモデリング手法について述べる。
LEAMは言語記述に基づくアンテナモデルの自動生成を可能にする。
すべての例において、正しいアンテナモデルは数分で生成される。
- 参考スコア（独自算出の注目度）: 9.834988381670737
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Antenna modeling is a time-consuming and complex process, decreasing the speed of antenna analysis and design. In this paper, a large language model (LLM)- enabled antenna modeling method, called LEAM, is presented to address this challenge. LEAM enables automatic antenna model generation based on language descriptions via prompt input, images, descriptions from academic papers, patents, and technical reports (either one or multiple). The effectiveness of LEAM is demonstrated by three examples: a Vivaldi antenna generated from a complete user description, a slotted patch antenna generated from an incomplete user description and the operating frequency, and a monopole slotted antenna generated from images and descriptions scanned from the literature. For all the examples, correct antenna models are generated in a few minutes. The code can be accessed via https://github.com/TaoWu974/LEAM.
- Abstract（参考訳）: アンテナモデリングは時間を要する複雑なプロセスであり、アンテナ解析と設計の速度を低下させる。
本稿では,LEAMと呼ばれる大規模言語モデル(LLM)を用いたアンテナモデリング手法を提案する。
LEAMは、インプット入力、画像、学術論文、特許、技術報告(一つまたは複数)による言語記述に基づく自動アンテナモデル生成を可能にする。
LEAMの有効性は、完全なユーザ記述から生成されたVivaldiアンテナと、不完全なユーザ記述と操作周波数から生成されたスロットトパッチアンテナと、その文献からスキャンされた画像と記述から生成されたモノポールスロットアンテナの3つの例で示される。
すべての例において、正しいアンテナモデルは数分で生成される。
コードはhttps://github.com/TaoWu974/LEAMからアクセスすることができる。
関連論文リスト
- LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification [63.07563443280147]
本稿では,AG-ReID のための新しいフレームワーク LATex を提案する。
属性ベースのテキスト知識を活用するために、プロンプトチューニング戦略を採用する。
我々のフレームワークは、AG-ReIDを改善するために属性ベースのテキスト知識を完全に活用できる。
論文 参考訳（メタデータ） (2025-03-31T04:47:05Z) - Design of Cavity Backed Slotted Antenna using Machine Learning Regression Model [0.0]
このモデルは1GHzから8GHzの広帯域の入力反射係数に基づいてキャビティバックスロットアンテナの寸法を予測するために訓練された。
提案手法は、先進アンテナ設計における機械学習の活用の可能性を示し、レーダや軍用識別システム、セキュア通信ネットワークなどの実用化における効率性と精度を向上させる。
論文 参考訳（メタデータ） (2025-02-26T14:18:10Z) - Few-shot Action Recognition with Captioning Foundation Models [61.40271046233581]
CapFSARは、テキストを手動でアノテートすることなく、マルチモーダルモデルの知識を利用するフレームワークである。
Transformerをベースとしたビジュアルテキストアグリゲーションモジュールはさらに、モーダル時間間の補完情報を組み込むように設計されている。
複数の標準的な数ショットベンチマークの実験では、提案したCapFSARが既存の手法に対して好適に動作することを示した。
論文 参考訳（メタデータ） (2023-10-16T07:08:39Z) - Learning from models beyond fine-tuning [78.20895343699658]
Learn From Model (LFM) は、モデルインターフェースに基づいた基礎モデル(FM)の研究、修正、設計に焦点を当てている。
LFM技術の研究は、モデルチューニング、モデル蒸留、モデル再利用、メタラーニング、モデル編集の5つの分野に大別できる。
本稿では, LFM の観点から, FM に基づく現在の手法を概観する。
論文 参考訳（メタデータ） (2023-10-12T10:20:36Z) - SUR-adapter: Enhancing Text-to-Image Pre-trained Diffusion Models with
Large Language Models [56.88192537044364]
本研究では,事前学習拡散モデルに対するセマンティック・アダプタ (SUR-adapter) と呼ばれる簡易なパラメータ効率の良い微調整手法を提案する。
ユーザエクスペリエンスの向上により,テキストから画像への拡散モデルの使いやすさが向上する。
論文 参考訳（メタデータ） (2023-05-09T05:48:38Z) - UAV-aided Wireless Node Localization Using Hybrid Radio Channel Models [19.374861475180712]
我々は,UAV-ユーザリンクチャネルモデルパラメータとUAVのアンテナ放射パターンを推定する必要のある未知として扱う。
従来の経路損失モデルとUAVアンテナゲイン関数を近似したニューラルネットワークを組み合わせたハイブリッドチャネルモデルを提案する。
次に,学習したハイブリッドチャネルモデルと環境の3次元マップを併用した粒子群最適化手法を用いて,地上ユーザを正確にローカライズする。
論文 参考訳（メタデータ） (2022-05-06T16:04:42Z) - HyperHyperNetworks for the Design of Antenna Arrays [91.3755431537592]
アレイ設計のための深層学習手法と小型アンテナの単一インスタンスについて述べる。
単一のアンテナの場合、ソリューションはシミュレーションネットワーク、ハイパーネットワーク、および精製ネットワークを組み合わせた複合ニューラルネットワークに基づいています。
学習目的は、得られた放射パターンと所望の放射パターンの類似度を測定することに基づく。
論文 参考訳（メタデータ） (2021-05-09T05:21:28Z) - A Reusable Framework Based on Reinforcement Learning to Design Antennas
for Curved Surfaces [0.0]
この研究は小さなアンテナを識別する方法論を追求し、いくつかの類似点を示す。
目的は、金属管の表面に効率よく取り付けられるアンテナを特定することである。
その動機は、視覚的な衝撃を減らし、アンテナの放射パターンを最適化することである。
論文 参考訳（メタデータ） (2020-11-24T14:35:23Z) - Blind Federated Edge Learning [93.29571175702735]
フェデレーションエッジ学習(FEEL)について検討し,それぞれが独自のデータセットを持つ無線エッジデバイスでグローバルモデルを学ぶ。
そこで本研究では,デバイスがローカル更新を非符号化方式で送信する,アナログオーバ・ザ・エアのアグリゲーション方式を提案する。
論文 参考訳（メタデータ） (2020-10-19T16:22:28Z) - Deep Learning for DOA Estimation in MIMO Radar Systems via Emulation of
Large Antenna Arrays [15.180687831560174]
我々は,小型アンテナアレイを用いたMUSICに基づくアリーバル推定手法を提案する。
我々は,仮想大アンテナアレイの信号再構成にディープラーニングを用いる。
論文 参考訳（メタデータ） (2020-07-27T19:33:57Z)
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。