論文の概要: IMMNet: Hybrid Fusion of Model-based and Data-driven Approaches for Maneuvering Target Tracking

• arxiv url: http://arxiv.org/abs/2607.13573v1
• Date: Wed, 15 Jul 2026 08:11:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.700525
• Title: IMMNet: Hybrid Fusion of Model-based and Data-driven Approaches for Maneuvering Target Tracking
• Title（参考訳）: IMMNet:Mneuvering Target Trackingのためのモデルベースとデータ駆動アプローチのハイブリッド融合
• Abstract要約: 本稿では,IMMNetというハイブリッドモデル/データ駆動型アルゴリズムを提案する。 相互作用する多重モデル(IMM)アルゴリズムの解釈可能な構造を学習可能なニューラルネットワークコンポーネントに統合する。
• 参考スコア（独自算出の注目度）: 10.484616194709252
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Maneuvering target tracking in three-dimensional space remains a challenging problem due to complex motion dynamics and model mismatch. To address this, this paper proposes a hybrid model/data-driven algorithm named IMMNet, which integrates the interpretable structure of the interacting multiple model (IMM) algorithm with learnable neural components. Unlike end-to-end black-box methods, the proposed IMMNet algorithm not only can preserve the Bayesian inference mechanism that is essential for real-time radar applications, but also can adaptively learn motion patterns and noise characteristics from data. Extensive experiments demonstrate that the proposed IMMNet algorithm consistently outperforms the existing algorithms across various scenarios, validating it as a robust, interpretable, and practical solution for maneuvering target tracking.
• Abstract（参考訳）: 三次元空間における標的追尾は、複雑な運動力学とモデルミスマッチのため、依然として困難な問題である。 そこで本研究では,対話型多元モデル(IMM)アルゴリズムの解釈可能な構造を学習可能なニューラルコンポーネントと統合したIMMNetというハイブリッドモデル/データ駆動型アルゴリズムを提案する。 エンドツーエンドのブラックボックス法とは異なり、提案したIMMNetアルゴリズムは、リアルタイムレーダアプリケーションに不可欠なベイズ推定機構を保存できるだけでなく、データから動きパターンやノイズ特性を適応的に学習することもできる。 大規模な実験により、提案したIMMNetアルゴリズムは、様々なシナリオで既存のアルゴリズムよりも一貫して優れており、ターゲット追跡を操作するための堅牢で解釈可能な実用的なソリューションとして検証されている。

関連論文リスト

• Joint Optimization of Model Partitioning and Resource Allocation for Anti-Jamming Collaborative Inference Systems [52.842088497389746]
  この手紙は、悪意のあるジャマーの存在下での、アンチジャミングの協調推論システムに焦点を当てている。 まず、ジャミングとDNNパーティショニングがデータ回帰による推測精度に与える影響を解析する。 問題を3つのサブプロブレムに分解する,効率的な交互最適化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-03-03T03:52:52Z)
• Heterogeneous Multi-agent Collaboration in UAV-assisted Mobile Crowdsensing Networks [6.226837215382989]
  無人航空機(UAV)による移動式クラウドセンシング(MCS)は,データ収集において有望なパラダイムとして浮上している。 我々は,センサ,通信,資源配分の効率的な調整を妨げる,スペクトル不足,デバイス計算,ユーザモビリティといった課題に対処する。
  論文  参考訳（メタデータ） (2025-09-28T02:13:19Z)
• Bayesian Multiobject Tracking With Neural-Enhanced Motion and Measurement Models [4.7752948351582605]
  マルチオブジェクトトラッキング(MOT)は、自律走行、海洋科学、航空宇宙監視などのアプリケーションにおいて重要なタスクである。 従来のMOT法はモデルベースであり、連続ベイズ推定とデータアソシエーションとオブジェクト生成モデルを組み合わせたものである。 最近の手法は完全なデータ駆動であり、ニューラルネットワークのトレーニングに依存している。
  論文  参考訳（メタデータ） (2025-06-22T18:15:08Z)
• DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
  状態推定は、高い操作性を持つ3次元物体追跡において困難である。 本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。 DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
  論文  参考訳（メタデータ） (2025-05-18T10:12:41Z)
• Model-driven deep neural network for enhanced direction finding with commodity 5G gNodeB [30.94668439883861]
  現在の無線ネットワークは位置決め機能を実現するために純粋なモデル駆動技術に大きく依存している。 ここでは、空間スペクトルの画像回復タスクとして、方向探索または角度推定(AoA)問題を再構成する。 提案するMoD-DNNフレームワークは,有効スペクトルキャリブレーションと精度の高いAoA推定を可能にする。
  論文  参考訳（メタデータ） (2024-12-14T02:09:36Z)
• On Discriminative Probabilistic Modeling for Self-Supervised Representation Learning [85.75164588939185]
  本研究では,(マルチモーダル)自己教師型表現学習のデータ予測タスクにおいて,連続領域における識別確率モデルについて検討する。 我々は、自己教師付き表現学習における現在のInfoNCEに基づくコントラスト損失の制限を明らかにするために一般化誤差解析を行う。 MISが要求する条件付き確率密度の和を近似する新しい非パラメトリック手法を提案する。
  論文  参考訳（メタデータ） (2024-10-11T18:02:46Z)
• Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
  我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。 EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。 得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
  論文  参考訳（メタデータ） (2023-12-10T15:22:30Z)
• A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical Computation Offloading [62.34538208323411]
  共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。 MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
  論文  参考訳（メタデータ） (2023-09-02T11:01:16Z)
• SMT-based Weighted Model Integration with Structure Awareness [18.615397594541665]
  本研究では,SMTに基づく列挙法と問題構造を効果的に符号化するアルゴリズムを開発した。 これにより,冗長モデルの生成を回避し,計算コストを大幅に削減できる。
  論文  参考訳（メタデータ） (2022-06-28T09:46:17Z)
• Data-Driven Random Access Optimization in Multi-Cell IoT Networks with NOMA [78.60275748518589]
  非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。 本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。 ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
  論文  参考訳（メタデータ） (2021-01-02T15:21:08Z)
• DeepGMR: Learning Latent Gaussian Mixture Models for Registration [113.74060941036664]
  ポイントクラウドの登録は、3Dコンピュータビジョン、グラフィックス、ロボット工学の基本的な問題である。 本稿では,最初の学習ベース登録法であるDeep Gaussian Mixture Registration(DeepGMR)を紹介する。 提案手法は,最先端の幾何学的および学習的登録手法と比較して,良好な性能を示す。
  論文  参考訳（メタデータ） (2020-08-20T17:25:16Z)
• Hyperspectral Unmixing Network Inspired by Unfolding an Optimization Problem [2.4016406737205753]
  ハイパースペクトル画像(HSI)アンミックスタスクは本質的に逆問題であり、最適化アルゴリズムによってよく解決される。 本稿では,U-ADMM-AENetとU-ADMM-BUNetという2つの新しいネットワークアーキテクチャを提案する。 本研究は,機械学習の文献において,展開された構造が対応する解釈を見つけることを示し,提案手法の有効性をさらに示すものである。
  論文  参考訳（メタデータ） (2020-05-21T18:49:45Z)

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。