論文の概要: FADE: A Flow-Based Approach for Multichannel Tail Estimation

• arxiv url: http://arxiv.org/abs/2611.01849v1
• Date: Sun, 01 Nov 2026 12:39:43 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:57:28.595673
• Title: FADE: A Flow-Based Approach for Multichannel Tail Estimation
• Title（参考訳）: FADE:マルチチャネルテール推定のためのフローベースアプローチ
• Abstract要約: マルチReceiver Ultra-Reliable Low-Latency Communication (URLLC) は、稀な低受信電力イベントに対して脆弱である。 複数の受信機の空間的多様性の利点は、同時に暗くなったら著しく低減できる。 MEVTは、このような結合テールの挙動を特徴付けるための原則的なフレームワークを提供する。 本稿では,受信機間の極端なイベント間の依存性を特徴付けるフローベースアプローチであるフローベース角密度推定(FADE)を提案する。
• 参考スコア（独自算出の注目度）: 8.633334868040608
• License:
• Abstract: Ultra-Reliable Low-Latency Communication (URLLC) is vulnerable to rare low-received-power events, and the spatial-diversity benefits of multiple receivers can be significantly reduced when they experience simultaneous deep fading. Multivariate Extreme Value Theory (MEVT) provides a principled framework for characterizing such joint tail behavior. However, conventional MEVT methods often rely on restrictive parametric assumptions or discrete representations of the dependence structure, which may not fully capture complex multivariate tail behavior. This paper proposes Flow-based Angular Density Estimation (FADE), a flow-based approach for characterizing the dependence between extreme events across receivers within the MEVT framework. FADE transforms multivariate extremes into a standard extreme-value representation and uses a flow-based density estimator to learn the dependence structure from the transformed data without imposing a predefined parametric form. The proposed framework is evaluated using experimentally collected data from a UAV communication system, in which the UAV serves as the transmitter and communicates with two ground receivers. FADE provides closer agreement with the empirical joint CDF, achieving reductions of up to 22.4% in MAE compared with the state-of-the-art Logistic and Maximum Empirical Likelihood (MEL) methods, while also improving distributional agreement and reducing absolute bias.
• Abstract（参考訳）: 超信頼性低レイテンシ通信(URLLC)は、稀な低受信電力事象に対して脆弱であり、複数の受信機の空間的多様性の利点は、同時に深層化を経験した場合に著しく低減される。 多変量極値理論(MEVT)は、そのような結合尾の挙動を特徴づけるための原則的な枠組みを提供する。 しかし、従来のMEVT法は、しばしば制限的なパラメトリックな仮定や依存構造の離散的な表現に依存し、複雑な多変量尾の挙動を完全には捉えない。 本稿では,MEVT フレームワーク内の受信機間の極端なイベント間の依存性を特徴付けるフローベースのアプローチであるフローベース角密度推定(FADE)を提案する。 FADEは、多変量極端を標準の極値表現に変換し、フローベース密度推定器を用いて、予め定義されたパラメトリック形式を含まない変換データから依存構造を学習する。 提案手法は、UAVが送信機として機能し、2つの地上受信機と通信するUAV通信システムから収集したデータを用いて評価される。 FADEは経験的共同CDFとの密接な合意を提供し、最先端のロジスティックおよび最大経験的類似(MEL)法と比較して、MAEの最大22.4%の削減を達成するとともに、分布的合意を改善し、絶対バイアスを低減する。

関連論文リスト

• DAIF: A Data-Driven Intermediate Fusion Framework for Multimodal Supervised Learning via Approximate Message Passing [11.222071637855079]
  DAIFはデータから融合構造を直接学習するデータ適応型中間核融合フレームワークである。 我々はベイズ的マルチモーダル因子モデルの下で動作し、潜在因子の先行が相互モーダル依存を決定する。 提案手法は,モーダル依存性の推定値に基づいてモダリティをクラスタリングし,事前のクラスタワイズ実験ベイズ推定を行う。
  論文  参考訳（メタデータ） (2026-08-03T18:10:58Z)
• 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)
• Ambiguity-aware Truncated Flow Matching for Ambiguous Medical Image Segmentation [10.578008836960134]
  本稿では,Ambiguity-Aware Truncated Flow Matching (ATFM)を提案する。 GTRは予測の忠実度とトラニケート分布の信頼性の両方を高めるために導入された。 SFMは,セマンティック・アウェア・フロー・トランスフォーメーションの拡張により,多様な予測の妥当性を高めるために提案されている。 ATFMは、高度な手法と比較して、GEDとHM-IoUを最大$12%、$7.3%改善している。
  論文  参考訳（メタデータ） (2025-11-10T08:57:06Z)
• Latent Diffusion Model Based Denoising Receiver for 6G Semantic Communication: From Stochastic Differential Theory to Application [11.385703484113552]
  生成人工知能(GAI)を利用した新しい意味コミュニケーションフレームワークを提案する。 意味的特徴抽出のための変分オートエンコーダを組み合わせた潜在拡散モデル(LDM)に基づくセマンティックコミュニケーションフレームワークを提案する。 提案システムはゼロショットの一般化をサポートし,低SNRおよびアウト・オブ・ディストリビューション条件下での優れた性能を実現する訓練自由フレームワークである。
  論文  参考訳（メタデータ） (2025-06-06T03:20:32Z)
• Federated Causal Inference from Multi-Site Observational Data via Propensity Score Aggregation [0.0]
  因果推論は通常、個々のレベルのデータへの集中的なアクセスを仮定する。 本稿では,フェデレートラーニング(FL)手法を用いて,分散化された観測データから平均処理効果(ATE)を推定することにより,この問題に対処する。
  論文  参考訳（メタデータ） (2025-05-23T14:32:57Z)
• SOFARI: High-Dimensional Manifold-Based Inference [8.110522214647489]
  我々は、高次元多様体に基づくSOFAR推論(SOFARI)と呼ばれる新しいアプローチを提案する。 推論を可能にするために不可欠である基礎となるスティーフェル多様体構造を利用することで、SOFARIは潜在左因子ベクトルと特異値の両方に対して、容易に使用可能なバイアス補正推定器を提供する。 本稿では,SOFARIの有効性を概説し,シミュレーション例による理論結果の正当化と,経済予測における実データの適用について述べる。
  論文  参考訳（メタデータ） (2023-09-26T16:01:54Z)
• Random Orthogonalization for Federated Learning in Massive MIMO Systems [85.71432283670114]
  大規模マルチインプット・マルチアウトプット(MIMO)無線システムにおいて,フェデレートラーニング(FL)のための新しい通信設計を提案する。 ランダム直交化の主な特徴は、FLの密結合と、チャネル硬化と良好な伝播の2つの特徴から生じる。 我々は、この原理をダウンリンク通信フェーズに拡張し、FLの簡易かつ高効率なモデル放送法を開発する。
  論文  参考訳（メタデータ） (2022-10-18T14:17:10Z)
• Regularizing Variational Autoencoder with Diversity and Uncertainty Awareness [61.827054365139645]
  変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。 よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
  論文  参考訳（メタデータ） (2021-10-24T07:58:13Z)
• Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
  量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。 上記のプロパティをすべて享受する既存のメソッドはありません。 本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2020-02-25T15:12:15Z)

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。