文献

J-GLOBAL ID：202002234500425230   整理番号：20A1243442

機械学習の利用によるクラウドソース無線環境マッピング【JST・京大機械翻訳】

Crowdsourced Radio Environment Mapping by Exploiting Machine Learning

著者 (4件)： Akimoto Mina (Ibaraki University,Graduate School of Science and Engineering,Hitachi-shi,Japan) ,  Wang Xiaoyan (Ibaraki University,Graduate School of Science and Engineering,Hitachi-shi,Japan) ,  Umehira Masahiro (Ibaraki University,Graduate School of Science and Engineering,Hitachi-shi,Japan) ,  Ji Yusheng (National Institute of Informatics,Information Systems Architecture Research Division,Tokyo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： WPMC  ページ： 1-6  発行年： 2019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： 正確で費用効率の高い無線環境マッピング(REM)は,動的スペクトル共有を実現するために非常に重要である。2種類の既存のアプローチ,すなわち,伝搬モデルに基づくアプローチとセンサ監視に基づくアプローチは,不正確なスペクトル利用可能性または高い配置コストのいずれかに悩まされている。これらの問題を解決するために,センシングタスクを満たすためにユーザを補充する,密集したREMを提案した。本研究では,機械学習技術を利用して,無線場強度補間のための混雑データを選択する,新しいクラウドソースREM法を提案した。評価結果は,提案した方法が既存の方法と比較して推定誤差を大幅に低減できることを実証した。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： 内挿法 ,  スペクトル ,  センサ ,  *機械学習
準シソーラス用語： 推定誤差 ,  *ワイヤレス ,  伝搬モデル ,  *電波環境 ,  スペクトル共用 ,  機械学習技術 , 【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 (5件)： 機械学習 ,  クラウド ,  ソース ,  無線環境 ,  マッピング