論文の概要: Wasserstein distance based semi-supervised manifold learning and application to GNSS multi-path detection

• arxiv url: http://arxiv.org/abs/2512.05567v1
• Date: Fri, 05 Dec 2025 09:48:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.983102
• Title: Wasserstein distance based semi-supervised manifold learning and application to GNSS multi-path detection
• Title（参考訳）: ワッサーシュタイン距離に基づく半教師付き多様体学習とGNSSマルチパス検出への応用
• Authors: Antoine Blais, Nicolas Couëllan,
• Abstract要約: 本研究の目的は, 深層畳み込みネットワークを用いたラベル付き画像データから学習するための, 最適輸送に基づく半教師付き手法を提案することである。 この原理は暗黙グラフに基づく半教師付き半教師付き学習であり、画像サンプル間の類似度はワッサーシュタイン距離である。
• 参考スコア（独自算出の注目度）: 1.9336815376402718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The main objective of this study is to propose an optimal transport based semi-supervised approach to learn from scarce labelled image data using deep convolutional networks. The principle lies in implicit graph-based transductive semi-supervised learning where the similarity metric between image samples is the Wasserstein distance. This metric is used in the label propagation mechanism during learning. We apply and demonstrate the effectiveness of the method on a GNSS real life application. More specifically, we address the problem of multi-path interference detection. Experiments are conducted under various signal conditions. The results show that for specific choices of hyperparameters controlling the amount of semi-supervision and the level of sensitivity to the metric, the classification accuracy can be significantly improved over the fully supervised training method.
• Abstract（参考訳）: 本研究の目的は, 深層畳み込みネットワークを用いたラベル付き画像データから学習するための, 最適輸送に基づく半教師付き手法を提案することである。 この原理は暗黙グラフに基づく半教師付き半教師付き学習であり、画像サンプル間の類似度はワッサーシュタイン距離である。 この指標は学習中にラベル伝搬機構に使用される。 本手法の有効性をGNSS実生活応用に適用し,実証する。 具体的には,マルチパス干渉検出の問題に対処する。 実験は様々な信号条件下で行われる。 その結果,セミスーパービジョンの量と測定値に対する感度のレベルを制御するハイパーパラメータの特定の選択に対して,完全教師付きトレーニング法よりも分類精度が有意に向上できることが示唆された。

関連論文リスト

• Domain Adaptive SAR Wake Detection: Leveraging Similarity Filtering and Memory Guidance [5.026771815351906]
  そこで本稿では,非教師付きドメイン適応型船舶起動検出のためのSimisity-Guided and Memory-Guided Domain Adap-tation (Termed SimMemDA) フレームワークを提案する。 まず、WakeGANを用いて光学画像のスタイル転送を行い、SARスタイルに近い擬似画像を生成する。 次に、インスタンスレベルの特徴類似度フィルタリング機構を設計し、ソースサンプルをターゲットライクなディストリビューションで識別し、優先順位付けする。
  論文  参考訳（メタデータ） (2025-09-14T08:35:39Z)
• GeoMM: On Geodesic Perspective for Multi-modal Learning [55.41612200877861]
  本稿では,マルチモーダル学習における測地線距離を新しい距離測定基準として導入する。 我々のアプローチは、現在のマルチモーダル学習に測地距離を適用するための包括的な戦略を取り入れている。
  論文  参考訳（メタデータ） (2025-05-16T13:12:41Z)
• GLRT-Based Metric Learning for Remote Sensing Object Retrieval [19.210692452537007]
  既存のCBRSOR法は、訓練段階と試験段階の両方において、グローバルな統計情報の利用を無視する。 ナイマン・ピアソンの定理にインスパイアされた我々は、一般化された確率比テストベースメトリックラーニング(GLRTML)アプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-08T07:53:30Z)
• Embedding Trajectory for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
  数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。 本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。 提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
  論文  参考訳（メタデータ） (2024-05-22T22:22:25Z)
• Semi-Supervised Learning via Swapped Prediction for Communication Signal Recognition [11.325643693823828]
  ラベルが少ない小さなデータセットでディープニューラルネットワークをトレーニングすることは、一般的に過度な適合に陥り、結果として生成されたパフォーマンスが低下する。 我々は、より容易に利用可能なラベル付き信号データの集合を効果的に活用し、一般化を改善する半教師付き学習(SSL)法を開発した。
  論文  参考訳（メタデータ） (2023-11-14T14:08:55Z)
• Learning a Cross-modality Anomaly Detector for Remote Sensing Imagery [21.444315419064882]
  リモートセンシング異常検知器は、地球観測の潜在的な標的として、背景から逸脱する物体を見つけることができる。 現在の異常検出器は特定の背景分布を学習することを目的としており、訓練されたモデルは見えない画像に転送することはできない。 本研究では,異なる背景分布から一貫した偏差距離への学習目標変換を利用する。
  論文  参考訳（メタデータ） (2023-10-11T14:07:05Z)
• Diffusion Generative Flow Samplers: Improving learning signals through partial trajectory optimization [87.21285093582446]
  Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。 生成フローネットワーク(GFlowNets)のための理論から着想を得た。
  論文  参考訳（メタデータ） (2023-10-04T09:39:05Z)
• Dense Learning based Semi-Supervised Object Detection [46.885301243656045]
  半教師付きオブジェクト検出(SSOD)は、大量のラベルのないデータの助けを借りて、オブジェクト検出器の訓練と展開を容易にすることを目的としている。 本稿では,DenSe Learningに基づくアンカーフリーSSODアルゴリズムを提案する。 実験はMS-COCOとPASCAL-VOCで行われ,提案手法は新たな最先端SSOD性能を記録する。
  論文  参考訳（メタデータ） (2022-04-15T02:31:02Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)

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。