論文の概要: Sub-6 GHz Over-the-Air AMC via Curriculum Fine-Tuned CNN-Transformers
- arxiv url: http://arxiv.org/abs/2609.07726v1
- Date: Mon, 07 Sep 2026 16:35:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.471006
- Title: Sub-6 GHz Over-the-Air AMC via Curriculum Fine-Tuned CNN-Transformers
- Title（参考訳）: Sub-6GHzオーバザエアAMC-CNN変換器
- Abstract要約: ハイブリッドCNN-Transformer AMCモデルのカリキュラム微調整について報告する。
我々は、RF理論に基づく一致距離検定精度(91.8-93.7%)と混乱行列解析について報告する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic modulation classification (AMC) models are frequently trained and validated on synthetic or channel-cabled data, leaving open the question of how they behave once path loss and antenna pointing error are introduced by a genuine free-space link. We report a curriculum fine-tuning study of a hybrid CNN-Transformer AMC model. The general-purpose, all-32-class dataset underlying the model was built entirely at 915 MHz, on a controlled, clock/PPS-synchronized MIMO-expansion-cable link (not spatial-multiplexing transmission); all subsequent free-space, real-hardware experimentation - the sequential fine-tuning curriculum, matched-distance evaluation, and every reported over-the-air accuracy figure - was carried out at 4 GHz, across five directional-antenna distances (25, 35, 50, 70, 75 cm) under fixed TX/RX gain. Three distances used near-ideal antenna alignment (~99%) and two used a deliberately introduced partial misalignment (~85%), fine-tuned last in the curriculum. We report matched-distance test accuracy (91.8-93.7% across all five 4 GHz conditions) and confusion-matrix analysis grounded in RF theory, and report honestly where our sequential fine-tuning order confounds cumulative link adaptation with antenna alignment, rather than overstating what the data can support.
- Abstract（参考訳）: 自動変調分類(AMC)モデルは、合成データやチャネルケーブルデータに基づいて頻繁に訓練され、検証され、経路損失とアンテナポインティングエラーが真の自由空間リンクによって導入されたときにどのように振る舞うかという疑問が残る。
ハイブリッドCNN-Transformer AMCモデルのカリキュラム微調整について報告する。
このモデルに基づく汎用的で全32級のデータセットは、制御されたクロック/PPS同期MIMO-伸縮ケーブルリンク(空間多重伝送ではない)上に、完全に915MHzで構築され、その後の全ての自由空間、実ハードウェア実験 - 逐次的な微調整カリキュラム、一致距離評価、および報告された空気上の精度図 - は、固定されたTX/RXゲインの下で5方向アンテナ距離(25, 35, 50, 70, 75 cm)の4GHzで実行された。
ほぼ理想的アンテナアライメント(約99%)と2つの距離は、意図的に導入された部分的なアライメント(約85%)を使用しており、カリキュラムで最後に微調整された。
我々は、RF理論に基づく一致距離検定精度(91.8-93.7%)と混乱行列解析(混乱行列解析)を報告する。
関連論文リスト
- Solution for UCF UrbanTwin LUMPI Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
UCF UrbanTwin Sim2Real LiDAR Challenge at the 6th DriveX Workshop, ECCV 2026。
検出器は合成データのみに基づいて訓練され、50個の実LiDARフレームで評価される。
ポイントクラウドリアリズムに対して、別の50フレームの合成提案が評価される。
論文 参考訳（メタデータ） (2026-09-07T15:03:36Z) - Multi-Modal Conditioned High-Resolution Transformer for Urban Electromagnetic Field Map Prediction Download PDF [3.3172899945646965]
都市環境における電磁界強度の予測はセルネットワーク計画に不可欠である。
建築レイアウト画像とアンテナ構成から500のEMFマップを生成する多条件高密度予測フレームワークを提案する。
我々の最良のモデルは、0.0461のMAE、プレーンなUNetベースラインに対する25.2%の改善、HRFormerのみのベースラインに対する31.8%を達成しています。
論文 参考訳（メタデータ） (2026-06-26T03:06:23Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - Deep Temporal Graph Networks for Real-Time Correction of GNSS Jamming-Induced Deviations [4.489167091323233]
ジャミングはグローバルナビゲーション衛星システム(GNSS)を破壊している
本稿では,受信者の水平偏差をリアルタイムに予測し,補正する受信者中心の深部時間グラフネットワークを提案する。
単一層ヘテロジニアスグラフ ConvLSTM (HeteroGTM) は、1つのホップコンテキストと時間ダイナミクスを短い歴史の中で集約する。
論文 参考訳（メタデータ） (2025-09-17T14:12:36Z) - On the Limitations of Ray-Tracing for Learning-Based RF Tasks in Urban Environments [4.097291451674696]
ローマ中央部の屋外細胞リンクにおけるSionna v ray-tracingの現実性について検討した。
我々は、経路深さ、拡散/特異/屈折フラグ、キャリア周波数、アンテナの特性など、主なシミュレーションパラメータを変化させる。
論文 参考訳（メタデータ） (2025-07-25T19:58:44Z) - Real-Time AIoT for AAV Antenna Interference Detection via Edge-Cloud Collaboration [6.7233672503362545]
第5世代(5G)では,通信干渉源の除去がネットワーク性能の維持に不可欠である。
本稿では,UAVのアンテナ干渉源を検出するコンピュータビジョンに基づくモノのAIを提案する。
システムは、我々のカスタムアンテナ干渉源データセットの平均平均精度(mAP)42.1%で、最先端(SOTA)性能を達成する。
論文 参考訳（メタデータ） (2024-12-04T06:20:36Z) - How Critical is Site-Specific RAN Optimization? 5G Open-RAN Uplink Air Interface Performance Test and Optimization from Macro-Cell CIR Data [0.6753334733130354]
我々は,特定の地点からのチャネル計測データの重要性と,その空気界面の最適化と試験への影響を考察する。
我々は, NR PUSCHアップリンクシミュレーションにOmniPHY-5Gニューラルレシーバを利用する。
提案手法は、事前学習と比較して1.85dBの低信号-雑音比(SNR)で10%のブロック誤り率(BLER)を達成する。
論文 参考訳（メタデータ） (2024-10-25T13:57:48Z) - A Novel Adaptive Fine-Tuning Algorithm for Multimodal Models: Self-Optimizing Classification and Selection of High-Quality Datasets in Remote Sensing [46.603157010223505]
マルチモーダル大モデルに対する適応的な微調整アルゴリズムを提案する。
我々は、GeoChatマルチモーダルリモートセンシングデータセットの3分の1を使用して、2台の3090 GPU上でモデルをトレーニングする。
このモデルはUCMercedおよびAID評価データセットで89.86と77.19のスコアを得た。
論文 参考訳（メタデータ） (2024-09-20T09:19:46Z) - Collaborative Learning with a Drone Orchestrator [79.75113006257872]
インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。
提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
論文 参考訳（メタデータ） (2023-03-03T23:46:25Z) - Towards a Competitive End-to-End Speech Recognition for CHiME-6 Dinner
Party Transcription [73.66530509749305]
本稿では,難しい場合であっても,ハイブリッドベースラインに近い性能を示すエンドツーエンドアプローチについて論じる。
CTC-Attention と RNN-Transducer のアプローチと RNN と Transformer のアーキテクチャを比較し,解析する。
RNN-Transducerをベースとしたベストエンド・ツー・エンドモデルでは、ビームサーチの改善とともに、LF-MMI TDNN-F CHiME-6 Challengeのベースラインよりも品質が3.8%向上した。
論文 参考訳（メタデータ） (2020-04-22T19:08:33Z)
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。