論文の概要: Clustering Guided Residual Neural Networks for Multi-Tx Localization in Molecular Communications

• arxiv url: http://arxiv.org/abs/2511.08513v1
• Date: Wed, 12 Nov 2025 02:02:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.849243
• Title: Clustering Guided Residual Neural Networks for Multi-Tx Localization in Molecular Communications
• Title（参考訳）: 分子間通信におけるマルチTx局所化のためのクラスタリングガイド残留ニューラルネットワーク
• Authors: Ali Sonmez, Erencem Ozbey, Efe Feyzi Mantaroglu, H. Birkan Yilmaz,
• Abstract要約: 本稿では,密度変動に対するロバスト性を向上するクラスタリングに基づくセントロイド補正手法を提案する。 その結果, K-meansと比較して, 局所化誤差が69% (2-Tx) から43% (4-Tx) に減少した。
• 参考スコア（独自算出の注目度）: 0.11199585259018456
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Transmitter localization in Molecular Communication via Diffusion is a critical topic with many applications. However, accurate localization of multiple transmitters is a challenging problem due to the stochastic nature of diffusion and overlapping molecule distributions at the receiver surface. To address these issues, we introduce clustering-based centroid correction methods that enhance robustness against density variations, and outliers. In addition, we propose two clusteringguided Residual Neural Networks, namely AngleNN for direction refinement and SizeNN for cluster size estimation. Experimental results show that both approaches provide significant improvements with reducing localization error between 69% (2-Tx) and 43% (4-Tx) compared to the K-means.
• Abstract（参考訳）: 拡散による分子通信における透過体ローカライゼーションは多くの応用において重要なトピックである。 しかし、複数の送信機の正確な局在化は、受信面における拡散と重なり合う分子分布の確率的性質のために難しい問題である。 これらの問題に対処するため,クラスタリングに基づくセントロイド補正手法を導入し,密度変動や外乱に対するロバスト性を高める。 さらに,2つのクラスタリング型残差ニューラルネットワーク,すなわち方向修正用 AngleNN とクラスタサイズ推定用 SizeNN を提案する。 その結果, K-meansと比較して, 局所化誤差が69% (2-Tx) から43% (4-Tx) に減少した。

関連論文リスト

• Channel Fingerprint Construction for Massive MIMO: A Deep Conditional Generative Approach [65.47969413708344]
  CF双生児の概念を導入し、条件付き生成拡散モデル(CGDM)を設計する。 本研究では, 粗粒CFに条件付き観測された細粒CFの対数分布に対するエビデンスローバウンド(ELBO)を導出するために, 変分推論手法を用いる。 提案手法は, ベースラインと比較して, 復元性能が著しく向上していることを示す。
  論文  参考訳（メタデータ） (2025-05-12T01:36:06Z)
• Unbiased Max-Min Embedding Classification for Transductive Few-Shot Learning: Clustering and Classification Are All You Need [83.10178754323955]
  わずかなショットラーニングにより、モデルがいくつかのラベル付き例から一般化できる。 本稿では,Unbiased Max-Min Embedding Classification (UMMEC)法を提案する。 本手法は最小ラベル付きデータを用いて分類性能を著しく向上させ, 注釈付きLの最先端化を推し進める。
  論文  参考訳（メタデータ） (2025-03-28T07:23:07Z)
• Enhanced High-Dimensional Data Visualization through Adaptive Multi-Scale Manifold Embedding [0.7705234721762716]
  本稿では,適応型マルチスケールマニフォールド埋め込み (AMSME) アルゴリズムを提案する。 順序距離を導入することで、高次元空間における次元性の呪いの制約を克服できることが示される。 実験により,AMSMEはクラスタ内トポロジ構造を著しく保存し,クラスタ間分離を改善した。
  論文  参考訳（メタデータ） (2025-03-18T06:46:53Z)
• Mixed Graph Contrastive Network for Semi-Supervised Node Classification [63.924129159538076]
  我々はMixed Graph Contrastive Network(MGCN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 本研究では,非摂動増強戦略と相関還元機構により,潜伏埋め込みの識別能力を向上する。 これら2つの設定を組み合わせることで、識別表現学習のために、豊富なノードと稀に価値あるラベル付きノードの両方から、豊富な監視情報を抽出する。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• A Neural Network-enhanced Reproducing Kernel Particle Method for Modeling Strain Localization [0.0]
  本研究では,ニューラルネットワークを用いた再生カーネル粒子法(NN-RKPM)を提案する。 局所化近傍の溶液転移の位置、配向、形状は、NN近似によって自動的にキャプチャされる。 NN-RKPMの有効性を数値検証により検証した。
  論文  参考訳（メタデータ） (2022-04-28T23:59:38Z)
• Decentralized Local Stochastic Extra-Gradient for Variational Inequalities [125.62877849447729]
  我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。 我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。 理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
  論文  参考訳（メタデータ） (2021-06-15T17:45:51Z)
• Diffusion Mechanism in Residual Neural Network: Theory and Applications [12.573746641284849]
  限られたトレーニングサンプルを持つ多くの学習タスクでは、拡散はラベル付きおよびラベルなしのデータポイントを接続する。 本稿では,ニューラルネットワークのアーキテクチャへの拡散を内部的に導入する新しい拡散残差ネットワーク(Diff-ResNet)を提案する。 構造的データ仮定により,提案した拡散ブロックは,クラス間点の分離性を向上させる距離-距離比を増大させることができることが証明された。
  論文  参考訳（メタデータ） (2021-05-07T10:42:59Z)
• Local Stochastic Gradient Descent Ascent: Convergence Analysis and Communication Efficiency [15.04034188283642]
  Local SGDは分散学習における通信オーバーヘッドを克服するための有望なアプローチである。 局所sgdaは均質データと異質データの両方において分散ミニマックス問題を確実に最適化できることを示す。
  論文  参考訳（メタデータ） (2021-02-25T20:15:18Z)
• Effective Version Space Reduction for Convolutional Neural Networks [61.84773892603885]
  アクティブラーニングでは、サンプリングバイアスは深刻な矛盾問題を引き起こし、アルゴリズムが最適な仮説を見つけるのを妨げる可能性がある。 本稿では,畳み込みニューラルネットワークを用いた能動学習について,バージョン空間削減の原理的レンズを用いて検討する。
  論文  参考訳（メタデータ） (2020-06-22T17:40:03Z)

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。