文献

J-GLOBAL ID：202102253077301779   整理番号：21A0674056

IIoTネットワークのための半教師付き深層学習ベース無線干渉同定【JST・京大機械翻訳】

Semi-Supervised Deep Learning Based Wireless Interference Identification for IIoT Networks

著者 (5件)： Huang Jiajia (A* STAR,Institute for Infocomm Research,Singapore) ,  Huang Min Li (A* STAR,Institute for Infocomm Research,Singapore) ,  Tan Peng Hui (A* STAR,Institute for Infocomm Research,Singapore) ,  Chen Zhenghua (A* STAR,Institute for Infocomm Research,Singapore) ,  Sun Sumei (A* STAR,Institute for Infocomm Research,Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： VTC2020-Fall  ページ： 1-5  発行年： 2020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： 正確な無線干渉識別(WII)は,混雑した2.4GHzの免許されていない帯域において,他の技術と共存するための,無線産業インターネット(IIoT)ネットワークにとって極めて重要である。深層学習(DL)に基づく方法は,そのようなタイプのタスクに対する有望な候補として浮上している。しかし,良好な精度を達成するために,DL法は大量のラベル付き訓練データを必要とし,それはドメインエキスパートによる退屈な注釈作業から来る。対照的に,ラベルなしデータは入手が容易である。本論文では,性能を改善するためにラベルなしデータを利用するために,CNNネットワークと時間アンサンブル法を組み合わせた半教師つきDLベースWIIアルゴリズムを提案した。提案アルゴリズムは,IEEE 802.11,IEEE 802.15.4およびIEEE 802.15.1のようなラベル数の削減により,多重無線標準からの干渉を,正確に識別することができた。特に,提案したアルゴリズムは,中から高信号SNRのラベル付きデータの2%以下の精度で90%の精度を達成した。広範囲なシミュレーション結果は,提案したアルゴリズムが種々のSNR条件の下でベンチマークアルゴリズムより良い分類精度を達成して,異なった数のラベル付きデータを有することを示した。Copyright 2021 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： アルゴリズム ,  シミュレーション ,  *ネットワーク ,  IEEE ,  多重化 ,  周波数帯 ,  ベンチマーク ,  インターネット ,  アノテーション
準シソーラス用語： *電波障害 ,  訓練データ ,  *ワイヤレス ,  分類精度 ,  *深層学習 ,  ラベルなしデータ , 【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)： IIoT ,  教師 ,  深層学習 ,  無線干渉 ,  同定