文献

J-GLOBAL ID：202202294780381155   整理番号：22A0397821

極端な勾配ブースティング技術に基づくGNSS電離層シンチレーションの自動検出【JST・京大機械翻訳】

Automatic Detection of GNSS Ionospheric Scintillation Based on Extreme Gradient Boosting Technique

著者 (4件)： Dey Abhijit (Department of Electrical and Electronics Engineering, Birla Institute of Technology and Science, Pilani, K. K. Birla Goa Campus, Goa, India) ,  Rahman Manhal (Department of Electrical and Electronics Engineering, Birla Institute of Technology and Science, Pilani, K. K. Birla Goa Campus, Goa, India) ,  Ratnam Devanaboyina Venkata (Department of Electronics and Communication Engineering, Koneru Lakshmaiah Education Foundation, K L University, Guntur, India) ,  Sharma Nitin (Department of Electrical and Electronics Engineering, Birla Institute of Technology and Science, Pilani, K. K. Birla Goa Campus, Goa, India)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8014605.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 電離層プラズマ密度不規則性に起因する電離層シンチレーションは,グローバル航法衛星システム(GNSS)受信機の位置精度に悪影響を与える。機械学習法は,GNSS信号における電離層シンチレーション効果を検出し,分類するためにロバストで効率的である。本レターでは,赤道イオン化異常(EIA)領域,Sao Jose,ブラジル(地理:23.2°S 45.9°W;ディップ緯度:20.9°S)から収集された大規模地球測位システム(GPS)データセットに適用した,電離層振幅シンチレーションを検出し,分類するための極端勾配ブースティング(XGBoost)ベースの機械学習法を提案した。提案した方法の性能を,ニューラルネットワーク(NN),サポートベクトルマシン(SVM),ディシジョンツリー(DT),およびロジスティック回帰(LR)法に基づく分類器と比較した。混乱行列結果は,XGBoost法が,他の機械学習法よりも99.88%の予測精度で,良好に機能することを示した。XGBoostアルゴリズムは,適応学習を通して下降の方向を設定することによって,効率的にデータ不規則性を扱う,そして,各々の弱い学習者の関連性を減らすために,カラム間のサブサンプルをサブサンプルすることができた。F1スコア,精度,リコール,および精度-レコール曲線(AUC-PR)の下の面積に関する性能結果は,XGBoostアルゴリズムが,位置精度を改善するためにGNSS信号における電離層脅威を特性評価できることを示した。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 ,  *シンチレーション ,  *電離層 ,  ニューラルネットワーク ,  受信機 ,  緯度 ,  ディシジョンツリー ,  *電離層シンチレーション ,  カオス ,  GPS ,  ロバスト性 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： 学習者 ,  ロジスティック回帰分析 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  電子航法一般  (ND14010O) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 勾配ブースティング ,  GNSS ,  電離層シンチレーション ,  自動検出