文献

J-GLOBAL ID：202202217716796607   整理番号：22A0853497

新興セルラネットワークにおけるマルチ故障診断のためのGANによるデータスパース性の処理【JST・京大機械翻訳】

Addressing Data Sparsity with GANs for Multi-fault Diagnosing in Emerging Cellular Networks

著者 (4件)： Rizwan A. (Qatar University,Qatar Mobility Innovations Centre,Doha,Qatar) ,  Abu-Dayya A. (Qatar University,Qatar Mobility Innovations Centre,Doha,Qatar) ,  Filali F. (Qatar University,Qatar Mobility Innovations Centre,Doha,Qatar) ,  Imran A. (Qatar University,Qatar Mobility Innovations Centre,Doha,Qatar)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICAIIC  ページ： 318-323  発行年： 2022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： データ駆動型機械学習は,現代的および未来的超高密度かつ高度に複雑なモバイルネットワークにおけるタイムリーな故障診断の最重要課題に対処する手段と考えられている。同時に,ネットワークにおける多重故障を診断するのは未解決の課題である。この文脈において,データスパース性はそのような問題に対処する機械学習の可能性を妨げる。本研究において,著者らは,Pix2Pix Generative Adversarial Network(GAN)と以前に使用されないカスタマイズ損失関数から成るデータ増強方式を提案し,Driive test(MDT)データのミニマイズにおけるデータスパース性課題に取り組んだ。提案のユニークな増強スキームは,ピーク信号対雑音比(PSNR)と構造類似性指数(SSIM)値がそれぞれ25と0.97のMDTカバレッジマップの画像を生成し,これはカスタマイズ損失関数なしで達成されたものより著しく高い。用いたデータ増強スキームの性能を,アンテナアップチルト,アンテナダウンチルト,伝送電力劣化,セル故障などの最も一般的に発生するネットワーク故障を同時に検出する畳込みニューラルネットワーク(CNN)モデルで評価した。提案した増強方式によるMDTデータの1%から生成されたデータに適用したCNNは,著者らのカスタマイズ損失関数なしで生成されたデータに適用した場合と比較して,4つの故障と正常な挙動を有するセルを含むすべてのクラスの検出において550%の利得をもたらした。Copyright 2022 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： *故障 ,  損失関数 ,  電力 ,  *ネットワーク ,  *故障診断 ,  多重化 ,  利得 ,  類似性 ,  機械学習 ,  カスタム化
準シソーラス用語： *スパース性 ,  モバイルネットワーク ,  高密度 ,  *セルラーネットワーク ,  データ駆動 , 【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)： セルラネットワーク ,  マルチ ,  故障診断 ,  GaN ,  スパース性