文献

J-GLOBAL ID：202002218273279517   整理番号：20A2551609

生成敵対ネットワークに基づく電磁信号分類:半教師つき学習フレームワーク【JST・京大機械翻訳】

Generative adversarial network-based electromagnetic signal classification: A semi-supervised learning framework

著者 (6件)： Zhou Huaji (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, School of Artificial Intelligence, Xidian University, Xi’an 710071, China; Science and Technology on Communication Information Security Control Laboratory, Jiaxing 314033, China) ,  Jiao Licheng (Key Laboratory of Intelligent Perception and Image Understanding of Ministry of Education, School of Artificial Intelligence, Xidian University, Xi’an 710071, China) ,  Zheng Shilian (Science and Technology on Communication Information Security Control Laboratory, Jiaxing 314033, China) ,  Yang Lifeng (Science and Technology on Communication Information Security Control Laboratory, Jiaxing 314033, China) ,  Shen Weiguo (Science and Technology on Communication Information Security Control Laboratory, Jiaxing 314033, China) ,  Yang Xiaoniu (Science and Technology on Communication Information Security Control Laboratory, Jiaxing 314033, China)
資料名： China Communications  (China Communications)
巻： 17  号： 10  ページ： 157-169  発行年： 2020年 
JST資料番号： W2359A  ISSN： 1673-5447  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： 生成敵対ネットワーク(GAN)は,現実的なサンプルを生成する強力な能力のため,コンピュータビジョン,音声処理,および自然言語処理のような多くの分野で大きな成功を達成した。本論文では,電磁信号分類(ESC)の分野にGANを導入した。ESCは軍事と民間のドメインの両方で重要な役割を果たす。しかし,多くの特定のシナリオでは,十分なラベル付きデータを得ることができず,それらは,それらが過剰適合に陥ることが容易であるので,深い学習方法の失敗を引き起こす。幸いなことに,半教師つき学習(SSL)は,特に限られた量のラベル付きデータを有するシナリオにおいて,分類器の分類性能を高めるために大量のラベルなしデータを活用することができる。GANを組込むことによりSSLフレームワークを提示し,それは生相および直交(IQ)信号データを直接処理できる。電磁信号の特性に従って,加重損失関数を提案し,電磁信号のエンドツーエンド分類を実現するための効果的な分類器を導いた。著者らは,公開RML2016.04cデータセットと実世界航空機通信アドレッシングとレポートシステム(ACARS)信号データセットの両方について提案した方法を検証した。広範な実験結果は,提案フレームワークが最先端の研究と比較して分類精度の顕著な増加を得ることを示した。Copyright 2020 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： 損失関数 ,  *ネットワーク ,  自然言語処理 ,  音声処理 ,  航空移動通信 ,  エンドツーエンド方式 ,  番地付 ,  コンピュータビジョン ,  直交性
準シソーラス用語： 分類精度 ,  *半教師つき学習 ,  学習方法 ,  *信号分類 ,  ラベルなしデータ , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 敵対 ,  信号分類 ,  半教師つき学習 ,  フレームワーク