論文の概要: Token Entropy Regularization for Multi-modal Antenna Affiliation Identification

• arxiv url: http://arxiv.org/abs/2601.21280v1
• Date: Thu, 29 Jan 2026 05:26:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:49.591401
• Title: Token Entropy Regularization for Multi-modal Antenna Affiliation Identification
• Title（参考訳）: マルチモーダルアンテナアフィリエイト同定のためのトークンエントロピー正規化
• Authors: Dong Chen, Ruoyu Li, Xinyan Zhang, Jialei Xu, Ruoseng Zhao, Zhikang Zhang, Lingyun Li, Zizhuang Wei,
• Abstract要約: 現在のプラクティスは、手動の塔検査の煩雑でエラーを起こしやすいプロセスに依存している。 本稿では,基地局,アンテナ幾何学的特徴,物理セルアイデンティティ(PCI)信号の映像を融合させるパラダイムシフトを提案する。 表現アライメントの課題に対処するために,事前学習段階における新しいToken Entropy Regularizationモジュールを提案する。
• 参考スコア（独自算出の注目度）: 11.148193639936407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate antenna affiliation identification is crucial for optimizing and maintaining communication networks. Current practice, however, relies on the cumbersome and error-prone process of manual tower inspections. We propose a novel paradigm shift that fuses video footage of base stations, antenna geometric features, and Physical Cell Identity (PCI) signals, transforming antenna affiliation identification into multi-modal classification and matching tasks. Publicly available pretrained transformers struggle with this unique task due to a lack of analogous data in the communications domain, which hampers cross-modal alignment. To address this, we introduce a dedicated training framework that aligns antenna images with corresponding PCI signals. To tackle the representation alignment challenge, we propose a novel Token Entropy Regularization module in the pretraining stage. Our experiments demonstrate that TER accelerates convergence and yields significant performance gains. Further analysis reveals that the entropy of the first token is modality-dependent. Code will be made available upon publication.
• Abstract（参考訳）: 通信ネットワークの最適化と維持には,正確なアンテナアフィリエイト識別が不可欠である。 しかし、現在のプラクティスは、手動の塔検査の煩雑でエラーを起こしやすいプロセスに依存している。 本稿では,基地局,アンテナ幾何学的特徴,および物理セルアイデンティティ(PCI)信号の映像を融合させ,アンテナ関連同定をマルチモーダル分類とマッチングタスクに変換するパラダイムシフトを提案する。 一般公開されている事前訓練型トランスフォーマーは、通信領域に類似データがないため、このユニークなタスクに苦労する。 そこで我々は,アンテナ画像と対応するPCI信号とを整列する専用トレーニングフレームワークを提案する。 表現アライメントの課題に対処するために,事前学習段階における新しいToken Entropy Regularizationモジュールを提案する。 我々の実験は、TERが収束を加速し、大きな性能向上をもたらすことを示した。 さらに分析した結果、第一のトークンのエントロピーはモジュラリティに依存していることがわかった。 コードは出版時に公開されます。

関連論文リスト

• SMKC: Sketch Based Kernel Correlation Images for Variable Cardinality Time Series Anomaly Detection [0.0]
  運用環境では、監視システムはセンサーチャーンを頻繁に経験する。 本稿では,異常検出器から動的入力構造を分離するフレームワークSMKCを提案する。 SMKC表現におけるランダムプロジェクションと近傍近傍の検出器は、完全に訓練されたベースラインと競合する。
  論文  参考訳（メタデータ） (2026-01-28T21:15:11Z)
• Deep Learning Optimization of Two-State Pinching Antennas Systems [48.70043547158868]
  ピンチアンテナ(PA)は、二元活性化状態を通して電磁波の伝搬を動的に制御することができる。 本研究では,ユーザ端末での通信速度を最大化することを目的として,定位PAのサブセットを最適に選択して導波路で活性化する問題について検討する。
  論文  参考訳（メタデータ） (2025-07-08T17:55:54Z)
• PCA-Featured Transformer for Jamming Detection in 5G UAV Networks [0.5999777817331317]
  無人航空機(UAV)は、ネットワーク機能を損なう可能性のある攻撃を妨害することによる重大なセキュリティリスクに直面している。 従来の検出方法は、動作を動的に変更するAI駆動のジャミングに直面すると、しばしば不足する。 無線セキュリティ向上のための特徴表現を洗練するための新しいU字型トランスフォーマーアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-12-19T16:13:04Z)
• Multi-Source and Test-Time Domain Adaptation on Multivariate Signals using Spatio-Temporal Monge Alignment [59.75420353684495]
  コンピュータビジョンやバイオメディカルデータなどの信号に対する機械学習の応用は、ハードウェアデバイスやセッション記録にまたがる変動のため、しばしば課題に直面している。 本研究では,これらの変動を緩和するために,時空間モンジュアライメント(STMA)を提案する。 我々はSTMAが、非常に異なる設定で取得したデータセット間で、顕著で一貫したパフォーマンス向上をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-19T13:33:38Z)
• Multi-task Learning for Radar Signal Characterisation [48.265859815346985]
  本稿では,マルチタスク学習(MTL)問題として,レーダ信号の分類と特徴化に取り組むためのアプローチを提案する。 本稿では,複数のレグレッションタスクと分類タスクを同時最適化するIQST(IQ Signal Transformer)を提案する。 合成レーダデータセット上で提案したMTLモデルの性能を示すとともに,レーダ信号の特徴付けのための一級ベンチマークも提供する。
  論文  参考訳（メタデータ） (2023-06-19T12:01:28Z)
• Antenna Array Calibration Via Gaussian Process Models [0.0]
  アンテナアレイキャリブレーションは、広範囲の先進アンテナシステムにおけるビームパターンの忠実度を維持するために必要である。 アンテナキャリブレーションを,関数近似のタスクとして定式化し,ベイズ機械学習を用いて処理する。 まず、各放射素子、位置オフセット、およびアンテナ素子間の相互結合効果に対応するハードウェア障害を捕捉するパラメータ空間を定義する。 一度展開すると、学習された非パラメトリックモデルは、システムのビームフォーミング重みを継続的に変換し、修正されたビームパターンをもたらす。
  論文  参考訳（メタデータ） (2023-01-16T19:40:50Z)
• High-Performance Transformer Tracking [74.07751002861802]
  本稿では,シームズ様特徴抽出バックボーンをベースとしたTransformer Tracking(TransT)手法,設計した注意に基づく融合機構,分類と回帰ヘッドを提案する。 実験の結果,TransT法とTransT-M法は7つの一般的なデータセットに対して有望な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-03-25T09:33:29Z)
• Multi-task Learning Approach for Modulation and Wireless Signal Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
  将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。 我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。 公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
  論文  参考訳（メタデータ） (2022-02-26T14:51:02Z)
• HyperHyperNetworks for the Design of Antenna Arrays [91.3755431537592]
  アレイ設計のための深層学習手法と小型アンテナの単一インスタンスについて述べる。 単一のアンテナの場合、ソリューションはシミュレーションネットワーク、ハイパーネットワーク、および精製ネットワークを組み合わせた複合ニューラルネットワークに基づいています。 学習目的は、得られた放射パターンと所望の放射パターンの類似度を測定することに基づく。
  論文  参考訳（メタデータ） (2021-05-09T05:21:28Z)

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。