論文の概要: Towards Intelligent Spectrum Management: Spectrum Demand Estimation Using Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2603.10802v1
• Date: Wed, 11 Mar 2026 14:11:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-12 16:22:32.988157
• Title: Towards Intelligent Spectrum Management: Spectrum Demand Estimation Using Graph Neural Networks
• Title（参考訳）: インテリジェントスペクトル管理に向けて:グラフニューラルネットワークを用いたスペクトル需要推定
• Authors: Mohamad Alkadamani, Amir Ghasemi, Halim Yanikomeroglu,
• Abstract要約: 本稿では、パブリックデプロイメント記録からのスペクトル需要プロキシを構築し、検証する。 グラフアテンションネットワークを階層的でマルチ解像度のセットアップで使用し、細かな空間スケールでスペクトル需要を推定する。
• 参考スコア（独自算出の注目度）: 17.409018763425
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The growing demand for wireless connectivity, combined with limited spectrum resources, calls for more efficient spectrum management. Spectrum sharing is a promising approach; however, regulators need accurate methods to characterize demand dynamics and guide allocation decisions. This paper builds and validates a spectrum demand proxy from public deployment records and uses a graph attention network in a hierarchical, multi-resolution setup (HR-GAT) to estimate spectrum demand at fine spatial scales. The model captures both neighborhood effects and cross-scale patterns, reducing spatial autocorrelation and improving generalization. Evaluated across five Canadian cities and against eight competitive baselines, HR-GAT reduces median RMSE by roughly 21% relative to the best alternative and lowers residual spatial bias. The resulting demand maps are regulator-accessible and support spectrum sharing and spectrum allocation in wireless networks.
• Abstract（参考訳）: 無線接続の需要が増大し、限られたスペクトル資源が組み合わされ、より効率的なスペクトル管理が求められている。 スペクトル共有は有望なアプローチである。しかし、規制当局は需要動態を正確に評価し、割り当て決定を導く方法を必要としている。 本稿では,公共デプロイメント記録からスペクトル要求プロキシを構築し,その評価を行うとともに,階層的マルチ解像度設定(HR-GAT)におけるグラフアテンションネットワークを用いて,空間規模でスペクトル要求を推定する。 このモデルは近隣効果と大規模パターンの両方を捉え、空間的自己相関を低減し、一般化を改善する。 HR-GATは、カナダの5つの都市と8つの競争基準に対して評価され、中央値RMSEを最良の選択肢と比較して約21%削減し、残留空間バイアスを下げる。 結果として生じる需要マップはレギュラーアクセス可能であり、無線ネットワークにおけるスペクトル共有とスペクトル割り当てをサポートする。

関連論文リスト

• Towards Flexible Spectrum Access: Data-Driven Insights into Spectrum Demand [17.409018763425]
  本稿では,空間上のスペクトル需要変動を推定するためのデータ駆動手法を提案する。 地理空間分析と機械学習を活用して、カナダにおけるケーススタディに適用する。 提案モデルでは,ある都市部で訓練を行った場合のスペクトル需要の70%を計測し,別の都市部で試験を行った。
  論文  参考訳（メタデータ） (2026-03-10T17:34:16Z)
• AI-Enabled Data-driven Intelligence for Spectrum Demand Estimation [17.409018763425]
  本稿では、人工知能(AI)と機械学習(ML)を活用して、スペクトル需要を推定・管理するデータ駆動型アプローチを提案する。 このアプローチでは、サイトライセンスデータから、クラウドソースデータから派生した、スペクトル需要の複数のプロキシを使用する。 提案されたMLモデルは、カナダの5つの主要都市でテストされ、検証され、その一般化性と堅牢性を示す。
  論文  参考訳（メタデータ） (2026-03-10T17:11:36Z)
• A Graph-Based Approach to Spectrum Demand Prediction Using Hierarchical Attention Networks [17.409018763425]
  本稿では,地理空間データを用いたスペクトル需要予測を目的とした階層分解能グラフアテンションネットワークモデルHR-GATを提案する。 HR-GATはカナダの5大都市でテストされており、8つのベースラインモデルに対してスペクトル需要の予測精度を21%改善している。
  論文  参考訳（メタデータ） (2026-03-10T16:20:51Z)
• Spectral Gating Networks [65.9496901693099]
  我々は、フィードフォワードネットワークに周波数リッチな表現性を導入するために、スペクトルゲーティングネットワーク(SGN)を導入する。 SGNは、標準活性化経路をコンパクトなスペクトル経路と学習可能なゲートで拡張し、安定したベース動作からモデルを開始することができる。 計算予算に匹敵する精度と効率のトレードオフを継続的に改善する。
  論文  参考訳（メタデータ） (2026-02-07T20:00:49Z)
• SpectrumFM: Redefining Spectrum Cognition via Foundation Modeling [65.65474629224558]
  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。
  論文  参考訳（メタデータ） (2025-08-02T14:40:50Z)
• 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)
• Federated Learning for UAV-Based Spectrum Sensing: Enhancing Accuracy Through SNR-Weighted Model Aggregation [0.0]
  無人航空機(UAV)ネットワークは、3D空間、その課題、そして機会に関して異なる視点を必要とする。 本稿では,その分散特性と計算能力の制限を考慮した,UAVネットワークにおけるスペクトルセンシングのためのFLに基づく手法を提案する。 我々はまた、UAVが観測した信号と雑音の比率を考慮し、グローバルモデルを得るフェデレーションアグリゲーション手法、すなわちFedSNRを開発した。
  論文  参考訳（メタデータ） (2024-11-17T19:24:49Z)
• GrassNet: State Space Model Meets Graph Neural Network [57.62885438406724]
  Graph State Space Network (GrassNet)は、任意のグラフスペクトルフィルタを設計するためのシンプルで効果的なスキームを提供する理論的なサポートを持つ、新しいグラフニューラルネットワークである。 我々の知る限り、我々の研究はグラフGNNスペクトルフィルタの設計にSSMを使った最初のものである。 9つの公開ベンチマークでの大規模な実験により、GrassNetは現実世界のグラフモデリングタスクにおいて優れたパフォーマンスを達成することが明らかになった。
  論文  参考訳（メタデータ） (2024-08-16T07:33:58Z)
• Routing and Spectrum Allocation in Broadband Quantum Entanglement Distribution [4.404652389362312]
  光ネットワーク上での量子絡み合いに対するリソース割り当てについて検討する。 このようなネットワーク上に束縛された光子対を分散するためのルーティングとスペクトル割り当て方式を開発した。 我々は,中央値のEPRペアレート,ジャイナ指数,計算資源を考慮した場合,最小値のEPRペアレートを達成するスペクトル割当手法が著しく低下することが判明した。
  論文  参考訳（メタデータ） (2024-04-12T18:11:25Z)
• Learning Resilient Radio Resource Management Policies with Graph Neural Networks [124.89036526192268]
  我々は、ユーザ当たりの最小容量制約でレジリエントな無線リソース管理問題を定式化する。 有限個のパラメータ集合を用いてユーザ選択と電力制御ポリシーをパラメータ化できることを示す。 このような適応により,提案手法は平均レートと5番目のパーセンタイルレートとの良好なトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-03-07T19:40:39Z)

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。