文献

J-GLOBAL ID：201902237992799194   整理番号：19A1108181

不法無人航空機の無線信号分類における補助的分類器Wasserstein生成敵対ネットワークの応用【JST・京大機械翻訳】

Application of Auxiliary Classifier Wasserstein Generative Adversarial Networks in Wireless Signal Classification of Illegal Unmanned Aerial Vehicles

著者 (5件)： Zhao Caidan (Department of Communication Engineering, Xiamen University, Xiamen 361005, China) ,  Chen Caiyun (Department of Communication Engineering, Xiamen University, Xiamen 361005, China) ,  He Zeping (Department of Communication Engineering, Xiamen University, Xiamen 361005, China) ,  Wu Zhiqiang (Department of Communication Engineering, Tibet University, Lhasa 850000, China) ,  Wu Zhiqiang (Department of Electrical Engineering, Wright State University, Dayton, OH 45435, USA)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 8  号： 12  ページ： 2664  発行年： 2018年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 最近,多くの研究が一般的な付加的ネットワーク(GAN)に基づく画像合成について報告されている。しかし,GANの使用は,信号分類問題に多くの注意を提供しない。違法な無人航空機(UAV)を分類するために無線信号を使用することの文脈において,本論文は,訓練データセットを改良するためにGANを使用する実現可能性を調査して,より良い分類モデルを得て,それによって分類の精度を改良した。最初に,GANの生成モデルを用いて,手動アノテーションを必要としない大規模データセットを生成した。同時に,GANの識別モデルを改良して,識別モデルの損失関数に基づく信号のタイプを分類した。最後に,このモデルを屋外環境に使用することができて,リアルタイムの違法なUAVs信号分類システムを得ることができた。著者らの実験により,限られたデータセットによる自動分類器一般化適応ネットワーク(AC-GANs)の改良が優れた結果を達成することを確認した。認識率は屋内環境で95%以上に達し,この方法は屋外環境でも適用できる。さらに,Wasserstein Gans(WGAN)とAC-GANsの理論に基づいて,よりロバストな自動分類器Wasserstein Gans(AC-WGANs)モデルを得た。それはマルチクラスUAVに適している。AC-WGANsと普遍的ソフトウェア無線周辺(USRP)B210ソフトウェア定義無線(SDR)プラットフォームの組合せを通して,リアルタイムUAVs信号分類システムも実行した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 屋内環境 ,  *ネットワーク ,  *無人機 ,  自動分類 ,  画像合成 ,  アノテーション ,  ロバスト性
準シソーラス用語： ソフトウェア無線 ,  認識率 ,  実時間 ,  屋外環境 ,  大規模データセット ,  訓練データ ,  *信号分類 ,  *ワイヤレス , 【Automatic Indexing@JST】

著者キーワード (5件)： GaN ,  AC-WGANS ,  無線信号 ,  分類モデル ,  USRP

分類 (2件)： 自然災害  (RA02030M) ,  写真測量,空中写真  (RC02040D)

引用文献 (37件)：

• Goodfellow, I.J.; Pouget-Abadie, J.; Mirza, M.; Xu, B.; Warde-Farley, D.; Ozair, S.; Courville, A.; Bengio, Y. Generative adversarial nets. In Proceedings of the International Conference on Neural Information Processing Systems, Montreal, QC, Canada, 8-11 December 2014; pp. 2672-2680.
• GitHub-Hindupuravinash/the-Gan-Zoo: A List of All Named GANs! Available online: https://github.com/hindupuravinash/the-gan-zoo#the-gan-zoo (accessed on 3 December 2018).
• Radford, A.; Metz, L.; Chintala, S. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks. arXiv, 2016; arXiv:1511.06434v2.
• Yang, L.C.; Chou, S.Y.; Yang, Y.H. MidiNet: A Convolutional Generative Adversarial Network for Symbolic-domain Music Generation. arXiv, 2017; arXiv:1703.10847.
• Zhu, J.Y.; Park, T.; Isola, P.; Efros, A.A. Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. arXiv, 2017; arXiv:1703.10593.

タイトルに関連する用語 (6件)： 無人航空機 ,  無線 ,  信号分類 ,  分類器 ,  敵対 ,  応用