Fugu-MT 論文翻訳(概要): Opportunities of Self Supervised Learning for GNSS: Evaluation of a Deep Learning-Enhanced PVT Algorithm

論文の概要: Opportunities of Self Supervised Learning for GNSS: Evaluation of a Deep Learning-Enhanced PVT Algorithm

arxiv url: http://arxiv.org/abs/2608.25674v1
Date: Wed, 26 Aug 2026 11:52:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-27 14:15:15.811265
Title: Opportunities of Self Supervised Learning for GNSS: Evaluation of a Deep Learning-Enhanced PVT Algorithm
Title（参考訳）: GNSSのための自己指導型学習の可能性:深層学習型PVTアルゴリズムの評価
Abstract要約: 本研究では,高密度都市部におけるマルチパス干渉を軽減するためのディープラーニング拡張PVTアルゴリズムを提案する。教師対象は、範囲補正と不確実性を共同で予測し、JEPAベースの自己監督事前訓練段階は、表現品質を向上させる。
参考スコア（独自算出の注目度）: 29.400112186256546
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work proposes a Deep Learning Enhanced PVT algorithm to mitigate multipath interference in dense urban areas. A supervised objective jointly predicts range corrections and uncertainty, while a JEPA-based self-supervised pretraining stage improves representation quality. The algorithm is evaluated over diverse driving scenarios, substantially improving PVT accuracy, particularly for unseen harsh urban conditions. These results highlight the potential of unlabelled GNSS data to improve generalization performance.
Abstract（参考訳）: 本研究では,高密度都市部におけるマルチパス干渉を軽減するためのディープラーニング拡張PVTアルゴリズムを提案する。教師対象は、範囲の修正と不確実性を共同で予測し、JEPAベースの自己監督事前訓練段階は、表現品質を向上させる。このアルゴリズムは様々な運転シナリオに対して評価され、PVTの精度を大幅に向上させる。これらの結果は、一般化性能を向上させるために、未ラベルのGNSSデータの可能性を強調している。

関連論文リスト

PC-DeepNet: A GNSS Positioning Error Minimization Framework Using Permutation-Invariant Deep Neural Network [4.487896589391378]
非線形(NLOS)伝搬、マルチパス効果、低受信電力レベルは、高非線形および非ガウス測定誤差分布をもたらす。これらの課題を克服するために、我々は、置換不変(PI)ディープニューラルネットワーク(DNN)を用いて位置補正を推定する、新しい学習ベースのフレームワークであるPC-DeepNet(PC-DeepNet)を考案した。
論文参考訳（メタデータ） (2025-04-18T14:18:02Z)
Adaptive Moment Estimation Optimization Algorithm Using Projection Gradient for Deep Learning [2.7181399575249565]
PadamPは、CIFAR-10/100のスケールで2次モーメントのp次パワーを適応的に推定することで導出される。 VGG-16とResNet-18AR-100を用いた実験は、パダムPの有効性を示し、VGG-16の顕著な性能を示した。 PadamPは、適応性と能力の点で、既存のアルゴリズムよりも優れています。
論文参考訳（メタデータ） (2025-03-13T03:31:08Z)
Learning-based GNSS Uncertainty Quantification using Continuous-Time Factor Graph Optimization [2.0818498182253875]
本稿では,グローバルナビゲーション衛星システム(GNSS)における測定の不確かさを定量化する2つの学習に基づく手法に関する研究成果について述べる。我々は,複数のセンサ入力から軌跡を正確に,頑健に推定する新しいマルチセンサ状態推定器を提案する。本研究では,多様な都市環境下で収集された実世界のセンサデータを用いて,学習モデルの有効性を検証する。
論文参考訳（メタデータ） (2025-03-06T20:04:36Z)
On discretisation drift and smoothness regularisation in neural network training [0.0]
私たちは、最適化とモデル正規化に焦点をあてて、ディープラーニングの理解を改善するためのステップを作ることを目標としています。まず、最も一般的なディープラーニング最適化アルゴリズムに基づいて、離散時間アルゴリズムである勾配降下(GD)を調査することから始める。 NGFと異なり、これらの新たな流れは、教師付き学習や2人のプレイヤゲームで観察されるトレーニング不安定性など、GDの学習速度固有の振る舞いを記述するのに使用できる。そして、新しい学習率スケジュールと正則性を構築することにより、連続時間からの洞察を不安定なGDダイナミクスの緩和戦略に変換する。
論文参考訳（メタデータ） (2023-10-21T15:21:36Z)
Attention Loss Adjusted Prioritized Experience Replay [0.0]
優先再生体験(PER)は、ニューラルネットワークのトレーニング率を改善するために、より知識量の多い経験サンプルを選択することによって、深層強化学習の技術的手段である。 PERで使用される非一様サンプリングは、状態-作用空間分布を必然的にシフトさせ、Q値関数の推定誤差をもたらす。改良された自己認識ネットワークとダブルサンプリング機構を統合したALAP体験再生アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-09-13T02:49:32Z)
Improving Generalization of Complex Models under Unbounded Loss Using PAC-Bayes Bounds [10.94126149188336]
PAC-Bayes学習理論は、テストエラーの厳密な上限を確立することに重点を置いている。 PAC-Bayesトレーニングと呼ばれる最近提案されたトレーニング手順は、これらの境界を最小化するためにモデルを更新する。このアプローチは理論的に健全であり、実際は、経験的リスク最小化(ERM)によって得られたものほど、テストエラーを達成していない。 PAC-Bayes トレーニングアルゴリズムを導入し,性能向上と事前チューニングへの依存度低減を実現した。
論文参考訳（メタデータ） (2023-05-30T17:31:25Z)
Implicit Stochastic Gradient Descent for Training Physics-informed Neural Networks [51.92362217307946]
物理インフォームドニューラルネットワーク(PINN)は、前方および逆微分方程式問題の解法として効果的に実証されている。 PINNは、近似すべきターゲット関数が高周波またはマルチスケールの特徴を示す場合、トレーニング障害に閉じ込められる。本稿では,暗黙的勾配降下法(ISGD)を用いてPINNを訓練し,トレーニングプロセスの安定性を向上させることを提案する。
論文参考訳（メタデータ） (2023-03-03T08:17:47Z)
A Variational Bayesian Approach to Learning Latent Variables for Acoustic Knowledge Transfer [55.20627066525205]
本稿では,ディープニューラルネットワーク(DNN)モデルにおける潜伏変数の分布を学習するための変分ベイズ(VB)アプローチを提案する。我々の提案するVBアプローチは,ターゲットデバイスにおいて良好な改善が得られ,しかも,13の最先端知識伝達アルゴリズムを一貫して上回っている。
論文参考訳（メタデータ） (2021-10-16T15:54:01Z)
Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
論文参考訳（メタデータ） (2021-08-03T19:24:25Z)
Reinforcement Learning for Low-Thrust Trajectory Design of Interplanetary Missions [77.34726150561087]
本稿では, 惑星間軌道のロバスト設計における強化学習の適用について検討する。最先端アルゴリズムのオープンソース実装が採用されている。その結果得られた誘導制御ネットワークは、堅牢な名目的軌道と関連する閉ループ誘導法の両方を提供する。
論文参考訳（メタデータ） (2020-08-19T15:22:15Z)
Reparameterized Variational Divergence Minimization for Stable Imitation [57.06909373038396]
確率的発散の選択における変動が、より高性能なILOアルゴリズムをもたらす可能性について検討する。本稿では,提案する$f$-divergence最小化フレームワークの課題を軽減するために,逆模倣学習のための再パラメータ化手法を提案する。経験的に、我々の設計選択は、ベースラインアプローチより優れ、低次元連続制御タスクにおける専門家のパフォーマンスとより密に適合するIOOアルゴリズムを許容することを示した。
論文参考訳（メタデータ） (2020-06-18T19:04:09Z)
Extrapolation for Large-batch Training in Deep Learning [72.61259487233214]
我々は、バリエーションのホストが、我々が提案する統一されたフレームワークでカバー可能であることを示す。本稿では,この手法の収束性を証明し,ResNet,LSTM,Transformer上での経験的性能を厳格に評価する。
論文参考訳（メタデータ） (2020-06-10T08:22:41Z)

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。