文献

J-GLOBAL ID：202202222902968741   整理番号：22A0457529

DeepFeat:深層学習を用いたLTEネットワークにおけるロバストな大規模マルチ特徴屋外位置決め【JST・京大機械翻訳】

DeepFeat: Robust Large-Scale Multi-Features Outdoor Localization in LTE Networks Using Deep Learning

著者 (6件)： Mohamed Amel (Department of Electronics and Electrical Communications Engineering, Canadian International College, Cairo, Egypt) ,  Tharwat Mohamed (Department of Technology, Vodafone Egypt, Cairo, Egypt) ,  Magdy Mohamed (Domestic Wholesale Business Unit, Telecom Egypt, Cairo, Egypt) ,  Abubakr Tarek (Technical Department, Etisalat Misr, New Cairo, Egypt) ,  Nasr Omar (Department of Electronics and Electrical Communications Engineering, Cairo University, Giza, Egypt) ,  Youssef Moustafa (Department of Computer Science and Engineering, The American University in Cairo, New Cairo, Egypt)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 3400-3414  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 今日のテレコム市場において,テレコムオペレータは,緊急と普通の状況の両方に対して,その位置に基づくユーザに貴重なサービスを導入する際に大きな価値を見つける。これは,異なる無線技術を用いた屋外位置確認の研究を駆動する。長期進化(LTE)は,屋外セルラネットワークのための主要な無線技術である。本論文では,LTEネットワークにおける豊富な特徴集合を用いた屋外位置決めのための深層学習ベースフレームワークを提案した。深いFeatはモバイルオペレータ側で動作し,高い位置決め精度を達成するために,多くのモバイルネットワーク特徴と他のメトリックスを利用する。計算および複雑性を減らすために,著者らは,深い学習モデルへの入力として最も適切な特徴を選択するために特徴選択モジュールを導入した。このモジュールは,システムの精度を強化しながら,約20.6%の計算量と計算量を低減する。特徴選択モジュールは,相関とカイ二乗アルゴリズムを使用し,面積サイズに関係なく,特徴集合を12入力に縮小する。DeepFeatの精度を高めるために,1対Many増強器を導入し,データセットを拡張し,システムの全体性能を改善した。結果は,システム性能に及ぼすDeepFeatによって採用された適切な特徴選択の影響を示している。深いFeatは,6.27Km2の中スケール地域の屋外環境において13.179mの中央値局在化精度を達成した。45Km2の大規模領域において,中央値局在化精度は13.7mであった。深いFeatを,少数の特徴を利用する他の最先端の深層学習ベースの位置確認システムと比較した。DeepFeatの注意深く選択された特徴集合を用いることは,少なくとも286%の最先端システムと比較して,位置決め精度を強化することを示した。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： アルゴリズム ,  学習モデル ,  オペレータ ,  *ネットワーク ,  位置決め ,  特徴選択 ,  計算量 ,  *ロバスト性
準シソーラス用語： 屋外環境 ,  モバイルネットワーク ,  局在化 ,  メトリックス ,  システム性能 ,  セルラーネットワーク ,  *深層学習 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (6件)： 深層学習 ,  LTE ,  ロバスト ,  大規模 ,  マルチ ,  屋外