論文の概要: Spatiotemporal Radar Gesture Recognition with Hybrid Spiking Neural Networks: Balancing Accuracy and Efficiency

• arxiv url: http://arxiv.org/abs/2509.23303v1
• Date: Sat, 27 Sep 2025 13:31:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:58:59.731061
• Title: Spatiotemporal Radar Gesture Recognition with Hybrid Spiking Neural Networks: Balancing Accuracy and Efficiency
• Title（参考訳）: ハイブリッドスパイクニューラルネットワークを用いた時空間レーダージェスチャー認識:精度と効率のバランス
• Authors: Riccardo Mazzieri, Eleonora Cicciarella, Jacopo Pegoraro, Federico Corradi, Michele Rossi,
• Abstract要約: 本稿では,レーダに基づく人間活動認識(HAR)におけるスパイキングニューラルネットワーク(SNN)の利用について紹介する。 我々の新しいハイブリッドアーキテクチャは、空間的特徴抽出のための畳み込みモジュールと時間的処理のためのLeaky Integrate-and-Fireニューロンを組み合わせる。 レーダベースHARの効率的かつ競争力のあるソリューションとしてSNNを確立し, 精度, レイテンシ, メモリ, エネルギーの観点からスパイキング計算のトレードオフを実証する。
• 参考スコア（独自算出の注目度）: 3.6205625120193354
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radar-based Human Activity Recognition (HAR) offers privacy and robustness over camera-based methods, yet remains computationally demanding for edge deployment. We present the first use of Spiking Neural Networks (SNNs) for radar-based HAR on aircraft marshalling signal classification. Our novel hybrid architecture combines convolutional modules for spatial feature extraction with Leaky Integrate-and-Fire (LIF) neurons for temporal processing, inherently capturing gesture dynamics. The model reduces trainable parameters by 88\% with under 1\% accuracy loss compared to baselines, and generalizes well to the Soli gesture dataset. Through systematic comparisons with Artificial Neural Networks, we demonstrate the trade-offs of spiking computation in terms of accuracy, latency, memory, and energy, establishing SNNs as an efficient and competitive solution for radar-based HAR.
• Abstract（参考訳）: レーダーベースのヒューマンアクティビティ認識(HAR)は、カメラベースの手法よりもプライバシーと堅牢性を提供するが、エッジデプロイメントには計算的に要求される。 本稿では,航空機のマーシャリング信号分類におけるレーダベースHARのスパイキングニューラルネットワーク(SNN)の利用について紹介する。 我々の新しいハイブリッドアーキテクチャは、空間的特徴抽出のための畳み込みモジュールと、時間的処理のためのLeaky Integrate-and-Fire(LIF)ニューロンを組み合わせることで、本質的にジェスチャーのダイナミクスをキャプチャする。 このモデルは、ベースラインに比べて1\%以下の精度でトレーニング可能なパラメータを88\%削減し、Soliジェスチャデータセットによく適応する。 ニューラルネットワークと体系的に比較することで、精度、レイテンシ、メモリ、エネルギーの観点からスパイキング計算のトレードオフを実証し、レーダーベースのHARの効率的で競争力のあるソリューションとしてSNNを確立する。

関連論文リスト

• Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
  本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。 可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。 実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2025-06-24T21:14:59Z)
• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• End-to-End Training of Neural Networks for Automotive Radar Interference Mitigation [9.865041274657823]
  本稿では,周波数変調連続波(WFMC)レーダ相互干渉緩和のためのニューラルネットワーク(NN)のトレーニング手法を提案する。 NNが干渉されたレーダー信号をきれいにするために訓練する代わりに、NNをオブジェクト検出マップ上で直接訓練する。 我々は,レーダを用いた物体検出のアルゴリズムであるCA-CFARピーク検出器の連続的な緩和を行う。
  論文  参考訳（メタデータ） (2023-12-15T13:47:16Z)
• Automotive Object Detection via Learning Sparse Events by Spiking Neurons [20.930277906912394]
  スパイキングニューラルネットワーク(SNN)は、本質的にイベントベースのデータと整合した時間的表現を提供する。 自動車のイベントベース物体検出に最適化された特化スパイキング特徴ピラミッドネットワーク(SpikeFPN)を提案する。
  論文  参考訳（メタデータ） (2023-07-24T15:47:21Z)
• Enhancing Reliability in Federated mmWave Networks: A Practical and Scalable Solution using Radar-Aided Dynamic Blockage Recognition [14.18507067281377]
  本稿では,ミリ波(mmWave)およびテラヘルツ(THz)ネットワークサービスの動的屋外環境における信頼性向上のための新しい手法を提案する。 これらの設定では、人や車などの障害物を動かすことで、視線接続(LoS)が簡単に中断される。 提案手法はRadar-Aided Blockage Dynamic Recognition (RaDaR)と呼ばれ、レーダー計測とフェデレートラーニング(FL)を活用して、二重出力ニューラルネットワーク(NN)モデルをトレーニングする。
  論文  参考訳（メタデータ） (2023-06-22T10:10:25Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Collaborative Learning with a Drone Orchestrator [79.75113006257872]
  インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。 提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
  論文  参考訳（メタデータ） (2023-03-03T23:46:25Z)
• Quantized Neural Networks for Radar Interference Mitigation [14.540226579203207]
  CNNに基づくノイズ除去と干渉緩和のアプローチはレーダ処理に有望な結果をもたらす。 本稿では,CNNに基づくレーダ信号のノイズ除去と干渉緩和のための量子化手法について検討する。
  論文  参考訳（メタデータ） (2020-11-25T13:18:06Z)
• RAMP-CNN: A Novel Neural Network for Enhanced Automotive Radar Object Recognition [10.006245521984697]
  本稿では,オブジェクトの位置とクラスを抽出するマルチパースペクティブ・畳み込みニューラルネットワーク(RAMP-CNN)を提案する。 4次元畳み込みニューラルネットワーク(NN)の複雑さを回避するため、RAMP-CNNモデルにいくつかの低次元NNモデルを組み合わせることを提案する。 提案したRAMP-CNNモデルは、すべてのテストシナリオにおける以前の作業よりも平均リコールと平均精度が向上する。
  論文  参考訳（メタデータ） (2020-11-13T19:12:12Z)
• 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。