文献

J-GLOBAL ID：201802241854070923   整理番号：18A2028383

機械学習のための5G MIMOデータ:深層学習を用いたビーム選択への応用【JST・京大機械翻訳】

5G MIMO Data for Machine Learning: Application to Beam-Selection Using Deep Learning

著者 (5件)： Klautau Aldebaro (Dep. of Comp. and Telecomm. Eng., Federal University of Para ́, Belem, PA, 66075-110, Brazil) ,  Batista Pedro (Dep. of Comp. and Telecomm. Eng., Federal University of Para ́, Belem, PA, 66075-110, Brazil) ,  Gonzalez-Prelcic Nuria (Dep. of Signal Theory and Comm., University of Vigo, Vigo, 36310, Spain) ,  Wang Yuyang (Dep. of Elec. and Computer Eng., The University of Texas, Austin, Austin, TX, 78712-1084, USA) ,  Heath Robert W. (Dep. of Elec. and Computer Eng., The University of Texas, Austin, Austin, TX, 78712-1084, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ITA  ページ： 1-9  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： セルネットワークの構成の複雑さの増加は,機械学習(ML)が5G技術を効果的に改善できることを示唆している。深い学習は,音声処理やコンピュータビジョンのようなMLタスクにおいて,利用可能なデータの量によりスケールする性能で成功することが証明されている。大規模なデータセットの欠如は,無線通信における深い学習応用の浮動を阻害する。本論文では,車両交通シミュレータとレイトレーシングシミュレータを組み合わせた方法論を提示し,トランシーバとオブジェクトの移動度を持つ5Gシナリオを表現するチャネル実現を生成した。本論文では,ミリ波を用いた車両からインフラストラクチャへのビーム選択技術を研究するための特定のデータセットについて述べた。分類,回帰および強化学習問題における深い学習を用いた実験は,提案した方法論により生成したデータセットの使用を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  シミュレータ ,  無線伝送 ,  EHF波 ,  光線追跡 ,  チャネル ,  ネットワーク ,  送受信機 ,  コンピュータビジョン ,  強化学習 ,  インフラストラクチャー ,  *機械学習
準シソーラス用語： 複雑性 ,  *深層学習 ,  *MIMO , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 機械学習 ,  5G ,  MIMO ,  深層学習 ,  ビーム ,  応用