Fugu-MT 論文翻訳(概要): Development of a Canada-Wide Morphology Map for the ITU-R P. 1411 Propagation Model

論文の概要: Development of a Canada-Wide Morphology Map for the ITU-R P. 1411 Propagation Model

arxiv url: http://arxiv.org/abs/2507.08026v1
Date: Tue, 08 Jul 2025 19:51:00 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-14 18:03:54.103838
Title: Development of a Canada-Wide Morphology Map for the ITU-R P. 1411 Propagation Model
Title（参考訳）: ITU-R P. 1411プロパゲーションモデルのためのカナダ側モルフォロジーマップの開発
Authors: Jennifer P. T. Nguyen,
Abstract要約: 本稿では,カナダ全体の地形図を住宅・都市低層・都市高層環境に分類する手法の開発について概説する。 ITU-R P.1411-12伝搬モデルガイドラインに見られる環境型記述子の質的な性質に対処するため、分類プロセスの自動化に機械学習アプローチを用いる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper outlines the development of a Canada-wide morphology map classifying regions into residential, urban low-rise, and urban high-rise environments, following the ITU-R P.1411-12 propagation model guidelines. To address the qualitative nature of the environment-type descriptors found in the Recommendation, a machine learning approach is employed to automate the classification process. Extensive experimentation optimized classification accuracy, resulting in a Canada-wide morphology map that ensures more accurate path loss estimations for outdoor short-range propagation at frequencies ranging from 300 MHz to 100 GHz.
Abstract（参考訳）: 本稿では,ITU-R P.1411-12の伝播モデルガイドラインに従って,カナダ全体の地形図を住宅・都市低層・都市高層環境に分類する手法の開発について概説する。 Recommendationで見られる環境型記述子の質的な性質に対処するために、分類プロセスを自動化する機械学習アプローチが採用されている。大規模な実験により分類精度が最適化され、300MHzから100GHzの周波数で屋外短距離伝搬の経路損失をより正確に推定するカナダ全体の形態図が得られた。

関連論文リスト

HDR Environment Map Estimation with Latent Diffusion Models [21.393389135740712]
我々は、Latent Diffusion Modelを用いて、ミラー反射面を可視的に軽量にできる高品質な環境マップを作成する。 ERP表現を使用する場合の一般的な問題は、ポールの歪みと環境マップの側面のシームである。提案するPanoDiTネットワークは,ERP歪みやアーチファクトを低減させるが,画質と可視性は犠牲である。
論文参考訳（メタデータ） (2025-07-28T18:30:09Z)
Neural Conditional Transport Maps [0.0]
本稿では,カテゴリー型と連続型の両方の条件変数を同時に処理できる条件付け機構を提案する。提案手法のコアとなるハイパーネットワークは,これらの入力に基づいてトランスポート層パラメータを生成し,適応的なマッピングを生成する。この研究は、条件付き最適輸送の最先端を推し進め、複雑な高次元領域への最適な輸送原理の広範な適用を可能にした。
論文参考訳（メタデータ） (2025-05-21T17:59:02Z)
An Enhanced Classification Method Based on Adaptive Multi-Scale Fusion for Long-tailed Multispectral Point Clouds [67.96583737413296]
長距離分布を持つMPCに対する適応的マルチスケール融合に基づく拡張型分類法を提案する。トレーニングセット生成段階では、スパースラベル付きデータセットからトレーニングサンプルを確実に生成するグリッドバランスサンプリング戦略が設計されている。特徴学習の段階では,異なるスケールの土地被覆の浅い特徴を融合させるため,マルチスケールの特徴融合モジュールが提案されている。
論文参考訳（メタデータ） (2024-12-16T03:21:20Z)
SymboSLAM: Semantic Map Generation in a Multi-Agent System [0.0]
サブシンボリックな人工知能手法は、環境タイプの分類と同時局所化とマッピングの分野を支配している。本稿では,共生的局所化とマッピングによる環境型分類への新たなアプローチ,SymboSLAMを提案し,その説明可能性のギャップを埋める。
論文参考訳（メタデータ） (2024-03-22T00:48:52Z)
Model-Based Reparameterization Policy Gradient Methods: Theory and Practical Algorithms [88.74308282658133]
Reization (RP) Policy Gradient Methods (PGM) は、ロボット工学やコンピュータグラフィックスにおける連続的な制御タスクに広く採用されている。近年の研究では、長期強化学習問題に適用した場合、モデルベースRP PGMはカオス的かつ非滑らかな最適化環境を経験する可能性があることが示されている。本稿では,長期モデルアンロールによる爆発的分散問題を緩和するスペクトル正規化法を提案する。
論文参考訳（メタデータ） (2023-10-30T18:43:21Z)
Learning Regionalization using Accurate Spatial Cost Gradients within a Differentiable High-Resolution Hydrological Model: Application to the French Mediterranean Region [0.18139022013189662]
未採集における分散水文パラメータの推定は, 地域化の問題を引き起こす。本稿では,学習可能な地域化マッピングを取り入れたハイブリッド・アシミレーション・地域化(HDA-PR)手法を提案する。その結果,特に上流から下流までの補間において,HDA-PRの強い地域化が顕著となった。
論文参考訳（メタデータ） (2023-08-02T07:23:50Z)
Reparameterization through Spatial Gradient Scaling [69.27487006953852]
リパラメータ化は、学習中に畳み込み層を等価なマルチブランチ構造に変換することによって、ディープニューラルネットワークの一般化を改善することを目的としている。本稿では,畳み込みネットワークにおける重み間の学習焦点を再分配する空間勾配スケーリング手法を提案する。
論文参考訳（メタデータ） (2023-03-05T17:57:33Z)
Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文参考訳（メタデータ） (2021-02-15T10:37:52Z)
Variational Temporal Deep Generative Model for Radar HRRP Target Recognition [39.01318281591659]
高分解能レンジプロファイル(HRRP)に基づくレーダ自動目標認識(RATR)のためのリカレントガンマ信念ネットワーク(rGBN)を開発した。提案したrGBNは、その時間的深層生成モデルを構築するためにガンマ分布の階層構造を採用する。 HRRPデータを用いた実験結果から,提案手法は計算効率が高く,高い分類精度と能力を有し,高い解釈性を有するマルチ確率層潜在構造が得られた。
論文参考訳（メタデータ） (2020-09-28T02:03:51Z)
Solving Long-tailed Recognition with Deep Realistic Taxonomic Classifier [68.38233199030908]
ロングテール認識は、現実世界のシナリオにおける自然な非一様分散データに取り組む。モダンは人口密度の高いクラスではうまく機能するが、そのパフォーマンスはテールクラスでは著しく低下する。 Deep-RTCは、リアリズムと階層的予測を組み合わせたロングテール問題の新しい解法として提案されている。
論文参考訳（メタデータ） (2020-07-20T05:57:42Z)
Understanding Integrated Gradients with SmoothTaylor for Deep Neural Network Attribution [70.78655569298923]
ディープニューラルネットワークモデルの属性方法としての統合グラディエントは、シンプルな実装性を提供する。理解しやすさに影響を及ぼす説明のうるささに悩まされる。 SmoothGrad法は,ノイズ問題を解消し,勾配に基づく帰属法の帰属写像を円滑化するために提案される。
論文参考訳（メタデータ） (2020-04-22T10:43:19Z)

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。