文献

J-GLOBAL ID：201802275490357401   整理番号：18A1707935

通信品質を利用したCNNによるユーザ移動状態推定の精度評価

Accuracy Evaluations of CNN-based Transportation Modes Recognition Using Communication Quality

著者 (4件)： 川上航 (早稲田大 基幹理工) ,  金井謙治 (早稲田大 基幹理工) ,  WEI Bo (早稲田大 基幹理工) ,  甲藤二郎 (早稲田大 基幹理工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 124(NS2018 37-86)(Web)  ページ： 133-138 (WEB ONLY)  発行年： 2018年07月04日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本稿では,消費電力やトラフィック量を考慮し,センサー情報やGPS情報を使用せずに,通信品質情報のみを活用しユーザの移動状態を推定することを提案する。通信品質情報として,映像配信時のスループット履歴,RSSI,基地局情報を対象とし,実環境にてスマートフォンを使用して収集を行う。収集したデータからRGB画像を生成し,画像認識分野で広く活用されているCNNを適用し,学習モデルを構築する。評価結果では,サポートベクターマシン,k-近傍法,ランダムフォレストと比較して,最大の推定精度を示すことを確認した。(著者抄録)

シソーラス用語： *品質 ,  通信 ,  *ニューラルネットワーク ,  センサ ,  センサネットワーク ,  *検出 ,  *状態推定 ,  機械学習 ,  QOS【通信】 ,  品質保証 ,  *畳込みニューラルネットワーク ,  モバイルセンサ ,  モバイルセンサネットワーク ,  深層学習
準シソーラス用語： *通信品質 ,  *モバイルセンシング ,  *移動状態推定

分類 (3件)： 移動通信  (ND08030H) ,  計算機網  (JC03000K) ,  人工知能  (JE08000Z)

引用文献 (18件)：

• Cisco Visual Network Index, “Mobile traffic share 2015-2020,” 2016.
• H. Yoshida, K. Satoda, and T. Murase, “Constructing stochastic model of TCP throughput on basis of stationarity analysis,” 2013 IEEE GLOBECOM, pp.1544-1550, 2013.
• J. Zhang, X. Yin, J. Jiang, V. Sekar, F. Lin, N. Wang, T. Liu, and B. Sinopoli, “Cs2p: Improving video bitrate selection and adaptation with data-driven throughput prediction,” Proc. ACM SIGCOMM 2016 Conference, ACM, 2016.
• K. Kanai, K. Hidenori, Y. Ishizu, and J. Katto, “A highlyreliable buffer strategy based on long-term throughput prediction for mobile video streaming,” IEEE CCNC 2015, Jan. 2015.
• B. Wei, K. Kanai, W. Kawakami, and J. Katto, “HOAH: A hybrid TCP throughput prediction with autoregressive model and hidden markov model for mobile networks,” IEICE Trans. Commun., 2018, in press.

タイトルに関連する用語 (4件)： 通信品質 ,  CNN ,  状態推定 ,  精度評価