論文の概要: IIns-VAE+: A Robust Transfer Learning Framework for Environmental Identification in Wireless Sensing

• arxiv url: http://arxiv.org/abs/2609.06131v1
• Date: Sat, 05 Sep 2026 14:55:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.207927
• Title: IIns-VAE+: A Robust Transfer Learning Framework for Environmental Identification in Wireless Sensing
• Title（参考訳）: 無線センシングにおける環境同定のためのロバスト移動学習フレームワークIIns-VAE+
• Abstract要約: 我々は,移動学習シナリオの適応性を改善するために,IIns-VAEフレームワークとミニマックスリスク(MRC)を組み合わせたハイブリッドモデルIIns-VAE+を提案する。 実世界のデータセットを使用して、一般的な特定の部屋環境、高いラベルの解像度、特定の環境への混合を含む3つの移行学習シナリオでフレームワークを評価します。
• 参考スコア（独自算出の注目度）: 19.550869782547664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Environmental identification in wireless sensing is essential for 6G integrated sensing and communication (ISAC) systems to achieve reliable situational awareness. However, deep learning (DL) models for this task often fail to generalize under domain shift across diverse environments. While the Inter-Instance Variational Auto-encoder (IIns-VAE) learns features of rich representation, its neural classifier remains vulnerable to these distribution changes. In this paper, we propose IIns-VAE+, a hybrid model that combines the IIns-VAE framework with Minimax Risk Classifiers (MRC) to improve adaptability in transfer learning scenarios. We use real-world datasets to evaluate our framework across three transfer learning scenarios, including general to specific room environments, high to low label resolutions, and mixed to specific environments. The experimental results indicate that IIns-VAE+ significantly outperforms baselines, demonstrating its critical value in building adaptable and robust perceptive networks in future 6G systems.
• Abstract（参考訳）: 6G統合センシング通信(ISAC)システムでは,無線センシングにおける環境識別が重要であり,信頼性の高い状況認識を実現する。 しかし、このタスクのためのディープラーニング(DL)モデルは、様々な環境にまたがるドメインシフトの下で一般化できないことが多い。 Ins-VAE(Inter-Instance Variational Auto-Encoder)はリッチ表現の特徴を学習するが、ニューラルネットワークの分類器はこれらの分布変化に弱いままである。 本稿では,移動学習シナリオにおける適応性向上のために,IIns-VAEフレームワークとミニマックスリスク分類器(MRC)を組み合わせたハイブリッドモデルIIns-VAE+を提案する。 実世界のデータセットを使用して、一般的な特定の部屋環境、高いラベルの解像度、特定の環境への混合を含む3つの移行学習シナリオでフレームワークを評価します。 実験の結果、IIns-VAE+はベースラインを著しく上回り、将来の6Gシステムにおいて適応性と堅牢な知覚ネットワークを構築する上で、その重要な価値を示すことが示された。

関連論文リスト

• An Adversarial Zero-Shot Learning Approach for Anomaly Detection in Multivariate IoT Traffic Data [7.858819231575403]
  Internet of Thingsネットワークにおける異常検出は、デバイスの多様性、ラベル付きデータの欠如、環境間のドメインの多様性など、ユニークな課題を呈している。 本稿では,列ベース変分オートエンコーダアーキテクチャにおける逆学習とコントラスト損失を利用した多変量時系列異常検出のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-09-03T08:07:06Z)
• Map as a Prompt: Learning Multi-Modal Spatial-Signal Foundation Models for Cross-scenario Wireless Localization [40.414275116071295]
  正確でロバストなワイヤレスローカライゼーションは、新しい5G/6Gアプリケーションにとって重要な実現方法である。 SigMapは2つの重要なイノベーションを取り入れたマルチモーダル基盤モデルである。 本モデルでは,複数の局所化タスクにまたがる最先端性能を実現するとともに,目に見えない環境でのゼロショット一般化を強力に実現している。
  論文  参考訳（メタデータ） (2026-07-17T07:50:15Z)
• AdaptOVCD: Training-Free Open-Vocabulary Remote Sensing Change Detection via Adaptive Information Fusion [17.998110109161683]
  AdaptOVCDは2次元多層情報融合に基づく学習自由なOpen-Vocabulary Change Detectionアーキテクチャである。 このフレームワークは、データ、特徴、決定レベルを垂直にまたいだ多層情報融合を統合し、ターゲットとする適応設計を水平に取り入れる。 クロスデータセット評価における完全教師付きパフォーマンス上限の84.89%を達成し、優れた一般化能力を示す。
  論文  参考訳（メタデータ） (2026-02-06T09:30:23Z)
• Meta-SimGNN: Adaptive and Robust WiFi Localization Across Dynamic Configurations and Diverse Scenarios [19.53646761400287]
  本稿では,グラフニューラルネットワークとメタラーニングを統合した新しいWiFiローカライゼーションシステムMeta-SimGNNを提案する。 各ノードの特徴を構造化するために,振幅位相融合法と特徴抽出法を提案する。 前者は振幅と位相の両方を利用してCSI画像を構築し、データの信頼性を高め、後者は帯域幅とアンテナ数の変化に対処するために次元一貫性のある特徴を抽出する。
  論文  参考訳（メタデータ） (2025-11-18T03:08:57Z)
• Dynamic Features Adaptation in Networking: Toward Flexible training and Explainable inference [5.099475282362825]
  本稿では,適応ランダムフォレスト(ARF)を通信ネットワークシナリオにおける動的特徴適応のための信頼性の高いソリューションとして取り上げる。 ARFの反復的トレーニングは、より多くの機能が追加されるにつれて、時間とともに精度が向上し、効果的に安定した予測につながることを示す。 さらに、AI駆動ネットワークにおける説明可能性の重要性を強調し、効率的なXAI特徴重要度(FI)手法としてDrift-Aware Feature Importance(DAFI)を提案する。
  論文  参考訳（メタデータ） (2025-10-09T14:55:04Z)
• ViDA: Homeostatic Visual Domain Adapter for Continual Test Time Adaptation [48.039156140237615]
  目標ドメインの継続的な変更に事前訓練されたモデルを適用するために、連続的なテスト時間適応タスクを提案する。 我々はCTTA用のVisual Domain Adapter (ViDA) を設計し、ドメイン固有知識とドメイン共有知識の両方を明示的に扱う。 提案手法は,CTTAタスクの分類とセグメント化の両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-06-07T11:18:53Z)
• Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
  テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:39:50Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)
• HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning [74.76431541169342]
  ゼロショット学習(ZSL)は、目に見えないクラス認識の問題に取り組み、目に見えないクラスから目に見えないクラスに意味的な知識を移す。 本稿では,意味領域と視覚領域を協調させる新しい階層型意味視覚適応(HSVA)フレームワークを提案する。 4つのベンチマークデータセットの実験では、HSVAは従来のZSLと一般的なZSLの両方で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-30T14:27:50Z)
• Learning to Continuously Optimize Wireless Resource in a Dynamic Environment: A Bilevel Optimization Perspective [52.497514255040514]
  この研究は、データ駆動メソッドが動的環境でリソース割り当て戦略を継続的に学び、最適化することを可能にする新しいアプローチを開発しています。 学習モデルが新たなエピソードに段階的に適応できるように、連続学習の概念を無線システム設計に組み込むことを提案する。 我々の設計は、異なるデータサンプルにまたがる公平性を保証する、新しい二段階最適化定式化に基づいている。
  論文  参考訳（メタデータ） (2021-05-03T07:23:39Z)
• Towards Accurate Knowledge Transfer via Target-awareness Representation Disentanglement [56.40587594647692]
  本稿では,TRED(Target-Awareness Representation Disentanglement)の概念を取り入れた新しいトランスファー学習アルゴリズムを提案する。 TREDは、対象のタスクに関する関連する知識を元のソースモデルから切り離し、ターゲットモデルを微調整する際、レギュレータとして使用する。 各種実世界のデータセットを用いた実験により,本手法は標準微調整を平均2%以上安定的に改善することが示された。
  論文  参考訳（メタデータ） (2020-10-16T17:45:08Z)
• X-ModalNet: A Semi-Supervised Deep Cross-Modal Network for Classification of Remote Sensing Data [69.37597254841052]
  我々はX-ModalNetと呼ばれる新しいクロスモーダルディープラーニングフレームワークを提案する。 X-ModalNetは、ネットワークの上部にある高レベルな特徴によって構築されたアップダスタブルグラフ上にラベルを伝搬するため、うまく一般化する。 我々は2つのマルチモーダルリモートセンシングデータセット(HSI-MSIとHSI-SAR)上でX-ModalNetを評価し、いくつかの最先端手法と比較して大幅に改善した。
  論文  参考訳（メタデータ） (2020-06-24T15:29:41Z)

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。

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。