文献

J-GLOBAL ID：202002278505077687   整理番号：20A1361850

ミリ波受信電力予測のための通信効率の良いマルチモーダル分割学習【JST・京大機械翻訳】

Communication-Efficient Multimodal Split Learning for mmWave Received Power Prediction

著者 (7件)： Koda Yusuke (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Park Jihong (Centre for Wireless Communications, University of Oulu, Oulu, Finland) ,  Bennis Mehdi (Centre for Wireless Communications, University of Oulu, Oulu, Finland) ,  Yamamoto Koji (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Nishio Takayuki (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Morikura Masahiro (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Nakashima Kota (Graduate School of Informatics, Kyoto University, Kyoto, Japan)
資料名： IEEE Communications Letters  (IEEE Communications Letters)
巻： 24  号： 6  ページ： 1284-1288  発行年： 2020年 
JST資料番号： W0941A  ISSN： 1089-7798  CODEN： ICLEF6  資料種別： 逐次刊行物 (A)
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： 本研究の目標は,カメラ画像と無線周波数(RF)信号を利用してミリ波受信電力予測の精度を改善することであり,一方,通信効率およびプライバシー保護方式で画像入力を集めることである。この目的のために,大規模ニューラルネットワーク(NN)が2つの無線接続セグメントに分割される分散マルチモーダル機械学習(ML)フレームワーク,コインドマルチモーダル分割学習(MultSL)を提案した。上部セグメントは,画像と受信電力を,将来の受信電力予測に組み合わせ,一方,より低いセグメントは,カメラ画像から特徴を抽出し,通信コストとプライバシー漏洩を減らすために,その出力を圧縮する。実験評価は,MultSLが画像またはRF信号のいずれかを利用するベースラインよりも高い精度を達成することを確認した。注目すべきことに,精度を損なうことなく,16×の低いセグメント出力の圧縮は,圧縮なしの場合と比較して16×低い通信待ち時間と2.8%少ないプライバシー漏洩をもたらした。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： *学習 ,  ニューラルネットワーク ,  プライバシー ,  写真像 ,  *通信 ,  *EHF波 ,  待ち時間 ,  *多モード ,  基準線 ,  機械学習
準シソーラス用語： 通信コスト ,  無線アクセス ,  無線周波数 ,  プライバシー保護 ,  *受信電力 , 【Automatic Indexing@JST】

分類 (1件)： 無線通信一般  (ND08010L)

タイトルに関連する用語 (6件)： ミリ波 ,  受信電力 ,  予測 ,  通信効率 ,  マルチモーダル ,  学習