論文の概要: A GAN-Based Framework for Robust Data Synthesis in Satellite Internet Observations
- arxiv url: http://arxiv.org/abs/2607.24790v1
- Date: Sun, 28 Jun 2026 10:28:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-02 22:55:39.06794
- Title: A GAN-Based Framework for Robust Data Synthesis in Satellite Internet Observations
- Title（参考訳）: 衛星インターネット観測におけるロバストデータ合成のためのGANフレームワーク
- Abstract要約: 低地球軌道(LEO)衛星インターネットは、ユビキタス接続を実現するための重要な基盤となっている。
現在のLEO衛星インターネット観測は、しばしば欠落したデータに悩まされ、データ拡張作業が複雑になる。
我々は、不完全なLEOネットワーク観測から直接高忠実度データを合成するGenAIベースのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 17.328772203873395
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-Earth orbit (LEO) satellite Internet has become an important infrastructure for enabling ubiquitous connectivity to align with the International Telecommunications Union vision for 6G telecommunications networks. However, current LEO satellite Internet observations often suffer from missing data, which complicates data augmentation task and limits the expansion of representative datasets. Given the complex characteristics of these datasets, generative AI (GenAI) presents a promising approach, yet its application in this domain has received little attention to date. In this paper, we propose a GenAI-based framework to synthesize high-fidelity data directly from incomplete LEO network observations. We propose the representative data missing scenarios, and evaluate the performance with the latest GAN- and VAE-based GenAI models on the recent WetLinks dataset. We design block-wise and point-wise missing scenarios to closely simulate the data loss that happens on real-world LEO satellite networks. Our results show the effectiveness of our proposed GAN-based framework and GT-GAN model exhibits the best performance among all models in both missing scenarios. Even under extreme conditions (e.g., 40% of the input data is missing), GT-GAN shows the highest robustness, consistently capturing the underlying input data distribution and being the least affected in terms of generalization. Our results shed light on future directions for GenAI-based data augmentation methods and data-driven research on satellite network measurement.
- Abstract（参考訳）: 低地球軌道(LEO)衛星インターネットは、6G通信ネットワークの国際電気通信連合のビジョンに沿うユビキタス接続を実現するための重要な基盤となっている。
しかし、現在のLEO衛星インターネット観測は、データ拡張タスクを複雑にし、代表データセットの拡張を制限する、欠落データに悩まされることが多い。
これらのデータセットの複雑な特性を考えると、生成型AI(GenAI)は有望なアプローチを示すが、この領域におけるその応用は、現在はほとんど注目されていない。
本稿では,不完全なLEOネットワーク観測から直接高忠実度データを合成するGenAIベースのフレームワークを提案する。
本稿では,最新のWetLinksデータセット上でGANおよびVAEベースのGenAIモデルを用いて,代表的なデータ不足シナリオを提案し,その性能評価を行う。
実世界のLEO衛星ネットワークで発生するデータ損失を密にシミュレートするために,ブロックワイドかつポイントワイドなシナリオを設計する。
提案したGANベースのフレームワークの有効性を示すとともに,GT-GANモデルが両シナリオにおいて,各モデル間で最高の性能を示すことを示す。
極端な条件下(例えば、入力データの40%が欠落している)でも、GT-GANは高い堅牢性を示し、基礎となる入力データの分布を一貫して捉え、一般化の点では最も影響を受けない。
我々は、GenAIによるデータ拡張手法と衛星ネットワーク計測に関するデータ駆動研究の今後の方向性について光を当てた。
関連論文リスト
- Agentic Satellite-Augmented Low-Altitude Economy and Terrestrial Networks: A Survey on Generative Approaches [76.12691010182802]
本調査は,衛星搭載低高度経済と地上ネットワーク(SLAETN)におけるエージェント人工知能(AI)の実現に焦点をあてる。
SLAETNのアーキテクチャと特徴を紹介するとともに,衛星,空中,地上コンポーネントの統合において生じる課題を分析する。
これらのモデルが,コミュニケーション強化,セキュリティとプライバシ保護,インテリジェントな衛星タスクという,3つの領域にわたるエージェント機能をどのように強化するかを検討する。
論文 参考訳（メタデータ） (2025-07-19T14:07:05Z) - OS-Genesis: Automating GUI Agent Trajectory Construction via Reverse Task Synthesis [55.390060529534644]
グラフィカルユーザインタフェース(GUI)エージェントのための新しいデータ合成パイプラインであるOS-Genesisを提案する。
事前に定義されたタスクに頼る代わりに、OS-Genesisはエージェントがまず環境を認識し、ステップワイドなインタラクションを実行することを可能にする。
我々は,OS-Genesisを用いたGUIエージェントのトレーニングにより,高度に挑戦するオンラインベンチマークの性能が大幅に向上することが実証された。
論文 参考訳（メタデータ） (2024-12-27T16:21:58Z) - Distributed satellite information networks: Architecture, enabling technologies, and trends [56.747473208256174]
分散衛星情報ネットワーク(DSIN)は、多様な衛星システム間での情報ギャップを埋める革新的なアーキテクチャとして登場した。
この調査はまず、DSINの革新的なネットワークアーキテクチャに関する深い議論を提供する。
DSINは、ネットワークの不均一性、予測不可能なチャネルダイナミクス、スパースリソース、分散コラボレーションフレームワークといった課題に直面している。
論文 参考訳（メタデータ） (2024-12-17T06:44:05Z) - Generative AI for Data Augmentation in Wireless Networks: Analysis, Applications, and Case Study [52.585121600169714]
本稿では,無線ネットワークにおける生成データ拡張の可能性と有効性について考察する。
本稿では,Wi-Fiジェスチャー認識のための汎用データ拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-13T05:15:25Z) - Hierarchical Learning and Computing over Space-Ground Integrated Networks [40.19542938629252]
地上IoTデバイス上で,局所的に訓練されたモデルに対してグローバルアグリゲーションサービスを提供するための階層的学習・計算フレームワークを提案する。
モデルアグリゲーションのネットワークエネルギー問題を定式化し、これはDST問題であることが判明した。
代用有向グラフ上で最小スパンニングアーボラッセンスを求めることでDST問題を解決するためのトポロジカル・アウェア・エネルギ効率・ルーティング(TAEER)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-08-26T09:05:43Z) - Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。
軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。
提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
論文 参考訳（メタデータ） (2024-04-02T11:59:58Z) - Generative adversarial networks for data-scarce spectral applications [0.0]
合成スペクトルデータ生成分野におけるGANの応用について報告する。
CWGANは,低データ方式の性能向上を図り,サロゲートモデルとして機能することを示す。
論文 参考訳（メタデータ） (2023-07-14T16:27:24Z) - How Generative Models Improve LOS Estimation in 6G Non-Terrestrial
Networks [0.18352113484137625]
LOS(Line-Of-Sight)は、衛星間と衛星間の両方のセグメントリンクに対して必要である。
本稿では,地球外6GネットワークにおけるLOS推定のための合成データ生成に生成モデルを用いるフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-30T08:36:43Z) - Olive Branch Learning: A Topology-Aware Federated Learning Framework for
Space-Air-Ground Integrated Network [19.059950250921926]
SAGINの助けを借りてAIモデルをトレーニングすることは、高度に制約されたネットワークトポロジ、非効率なデータ転送、プライバシー問題といった課題に直面している。
まず,SAGINのための新しいトポロジ対応フェデレーション学習フレームワーク,すなわちOlive Branch Learning (OBL)を提案する。
我々はOBLフレームワークとCNASAアルゴリズムを拡張し、より複雑なマルチ軌道衛星ネットワークに適応する。
論文 参考訳（メタデータ） (2022-12-02T14:51:42Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳（メタデータ） (2020-05-26T05:39:27Z)
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。