論文の概要: SpectrumFM: A New Paradigm for Spectrum Cognition

• arxiv url: http://arxiv.org/abs/2508.02742v1
• Date: Sat, 02 Aug 2025 14:40:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.600945
• Title: SpectrumFM: A New Paradigm for Spectrum Cognition
• Title（参考訳）: SpectrumFM: スペクトル認知のための新しいパラダイム
• Authors: Chunyu Liu, Hao Zhang, Wei Wu, Fuhui Zhou, Qihui Wu, Derrick Wing Kwan Ng, Chan-Byoung Chae,
• Abstract要約: 本稿ではスペクトル認識のための新しいパラダイムを提供するスペクトルFMと呼ばれるスペクトル基盤モデルを提案する。 畳み込みニューラルネットワークを利用した革新的なスペクトルエンコーダを提案し、スペクトルデータにおける微細な局所信号構造と高レベルのグローバルな依存関係の両方を効果的に捕捉する。 2つの新しい自己教師型学習タスク、すなわちマスク付き再構成と次のスロット信号予測が、SpectrumFMの事前学習のために開発され、モデルがリッチで伝達可能な表現を学習できるようにする。
• 参考スコア（独自算出の注目度）: 65.65474629224558
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The enhancement of spectrum efficiency and the realization of secure spectrum utilization are critically dependent on spectrum cognition. However, existing spectrum cognition methods often exhibit limited generalization and suboptimal accuracy when deployed across diverse spectrum environments and tasks. To overcome these challenges, we propose a spectrum foundation model, termed SpectrumFM, which provides a new paradigm for spectrum cognition. An innovative spectrum encoder that exploits the convolutional neural networks and the multi-head self attention mechanisms is proposed to effectively capture both fine-grained local signal structures and high-level global dependencies in the spectrum data. To enhance its adaptability, two novel self-supervised learning tasks, namely masked reconstruction and next-slot signal prediction, are developed for pre-training SpectrumFM, enabling the model to learn rich and transferable representations. Furthermore, low-rank adaptation (LoRA) parameter-efficient fine-tuning is exploited to enable SpectrumFM to seamlessly adapt to various downstream spectrum cognition tasks, including spectrum sensing (SS), anomaly detection (AD), and wireless technology classification (WTC). Extensive experiments demonstrate the superiority of SpectrumFM over state-of-the-art methods. Specifically, it improves detection probability in the SS task by 30% at -4 dB signal-to-noise ratio (SNR), boosts the area under the curve (AUC) in the AD task by over 10%, and enhances WTC accuracy by 9.6%.
• Abstract（参考訳）: スペクトル効率の向上と安全なスペクトル利用の実現は、スペクトル認知に極めて依存している。 しかし、既存のスペクトル認識法は、様々なスペクトル環境やタスクにまたがる場合、限られた一般化と準最適精度を示すことが多い。 これらの課題を克服するために、スペクトル認識のための新しいパラダイムを提供するSpectrumFMと呼ばれるスペクトル基盤モデルを提案する。 畳み込みニューラルネットワークとマルチヘッド自己注意機構を利用する革新的なスペクトルエンコーダを提案し、スペクトルデータにおける微細な局所信号構造と高レベルのグローバル依存の両方を効果的に捕捉する。 適応性を高めるために、SpectrumFMを事前学習するための2つの新しい自己教師型学習タスク、すなわちマスク付き再構成と次のスロット信号予測を開発し、リッチで伝達可能な表現を学習できるようにする。 さらに、スペクトル検出(SS)、異常検出(AD)、無線技術分類(WTC)など、様々な下流スペクトル認識タスクにシームレスに適応できるように、低ランク適応(LoRA)パラメータ効率の微調整を利用する。 大規模な実験は、最先端の手法よりもSpectrumFMの方が優れていることを示した。 具体的には、SSタスクにおける検出確率を4dB信号-雑音比(SNR)で30%向上させ、ADタスクにおける曲線(AUC)下の領域を10%以上向上させ、WTC精度を9.6%向上させる。

関連論文リスト

• Scalable Spectrum Availability Prediction using a Markov Chain Framework and ITU-R Propagation Models [0.0]
  本稿では、スペクトル可用性予測のためのスケーラブルなフレームワークを提案する。 一次ユーザ活動の2状態マルコフ連鎖モデルとITU-Rからの高忠実な伝播モデルを組み合わせる。 フレームワークは柔軟で、様々な周波数帯域やシナリオに適応できる。
  論文  参考訳（メタデータ） (2025-07-30T03:22:55Z)
• SpectrumFM: A Foundation Model for Intelligent Spectrum Management [99.08036558911242]
  既存のインテリジェントスペクトル管理手法は、通常は小規模モデルに基づいており、認識精度、収束速度、一般化の顕著な制限に悩まされている。 本稿では、スペクトルFMと呼ばれる新しいスペクトル基盤モデルを提案し、スペクトル管理のための新しいパラダイムを確立する。 実験により、SpectrumFMは精度、堅牢性、適応性、少数ショット学習効率、収束速度の点で優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-05-02T04:06:39Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [75.25966323298003]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 我々は、$textbfC$amera-$textbfA$gnostic $textbfR$esupervised $textbfL$のモデルである$textbfCARL$を紹介した。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• Collaborative Enhancement Network for Low-quality Multi-spectral Vehicle Re-identification [23.520785716235398]
  マルチスペクトル車両再識別(ReID)の性能は、可視、近赤外、熱赤外スペクトルが失われると著しく低下する。 既存の手法は、一般に一次スペクトルと呼ばれる高品質のスペクトルを用いて、低品質のスペクトルデータの欠落の詳細を生成または強化する。 すべてのスペクトルデータから高品質なプロキシを生成するコラボレーティブ・エンハンスメント・ネットワーク(CoEN)を提案する。
  論文  参考訳（メタデータ） (2025-04-21T06:07:32Z)
• FE-UNet: Frequency Domain Enhanced U-Net for Low-Frequency Information-Rich Image Segmentation [48.034848981295525]
  CNNと人間の視覚系における周波数帯域感度の差について検討する。 本稿では、生体視覚機構にインスパイアされたウェーブレット適応スペクトル融合(WASF)法を提案する。 我々は SAM2 のバックボーンネットワークを利用する FE-UNet モデルを開発し, セグメンテーション精度を確保するために細調整した Hiera-Large モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2025-02-06T07:24:34Z)
• Deep Learning for Spectrum Prediction in Cognitive Radio Networks: State-of-the-Art, New Opportunities, and Challenges [9.499371206380546]
  本稿では,新しい帯域内時間スペクトル予測フレームワークViLSTransTMを提案する。 このフレームワークは、視覚的自己注意と長期記憶を統合し、スペクトル利用パターンの局所的およびグローバル的長期的依存関係をキャプチャする。
  論文  参考訳（メタデータ） (2024-12-13T04:36:05Z)
• Contourlet Refinement Gate Framework for Thermal Spectrum Distribution Regularized Infrared Image Super-Resolution [54.293362972473595]
  画像超解像(SR)は、高解像度(HR)画像を低解像度(LR)画像から再構成することを目的としている。 SRタスクに対処する現在のアプローチは、RGB画像の特徴を抽出するか、同様の劣化パターンを仮定するものである。 スペクトル分布の忠実さを保ちつつ、赤外線変調特性を復元するコントゥーレット改質ゲートフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-19T14:24:03Z)
• Holistic Physics Solver: Learning PDEs in a Unified Spectral-Physical Space [54.13671100638092]
  Holistic Physics Mixer (HPM) は、スペクトルと物理情報を統一された空間に統合するためのフレームワークである。 我々はHPMが精度と計算効率の両面で最先端の手法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-15T08:19:39Z)
• Design of an Novel Spectrum Sensing Scheme Based on Long Short-Term Memory and Experimental Validation [0.7349727826230862]
  深層学習ネットワーク(DLN)の重要な要素である長期記憶(LSTM)に基づくスペクトルセンシング手法を提案する。 提案手法は, Adalm Pluto を用いた実証実験により検証した。
  論文  参考訳（メタデータ） (2021-11-21T08:51:48Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)

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。