電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2019-01-24 15:45
ニューラルネットワークおよび空間内挿に基づく電波環境マップ構築に関する一考察
佐藤光哉東京理科大)・稲毛 契都立産技高専)・藤井威生電通大
技報オンラインサービス実施中
抄録 (和) 本稿では,順伝搬ニューラルネットワーク (FFNN: Feedforward Neural Network)に基づく距離減衰特性のモデル化による,電波環境マップ(REM: Radio Environment Map)の精度の改善効果について議論する.REMは,複数エリアで観測した受信電力値を用いてクリギングのような空間内挿に基づく補間推定を行なうことで精度よく構築できる.従来は,推定対象となる確率変数の期待値の空間的な定常性を確保するため,内挿の前処理で行なう回帰分析に単純な距離減衰モデルを仮定した線形回帰を用いることが一般的であった.しかし,実環境において距離減衰特性は異方性を有する.そのため,仮定した距離減衰モデルと実環境との乖離に起因する回帰の誤差により上記の定常性を保てず,内挿の誤差が生じる恐れがある.そこで本稿では,FFNNを用いた回帰を前処理に使用する内挿手法について検討する.理論,数値計算,および実験を通して,FFNNの適用効果があるケースと従来の線形回帰で十分なケースを示す. 
(英) In this paper, we discuss the performance of feedforward neural network (FFNN) in radio environment map (REM) construction. We can realize a highly accurate REM via croudsourcing with Kriging. In the most works on the Kriging-aided REM construction, the measurement datasets are first regressed via linear regression in order to ensure spatial stationarity of the random variable. On the other hand, the path loss in the practical situation often contains an anisotropy due to effects of terrain and obstacles; thus, Kriging may not perform the optimal interpolation because of the regression error. In this paper, FFNN is used for the path loss modeling and the regression. Through theoretical, numerical and experimental discussions, we show situations where the FFNN can improve the accuracy of REM.
キーワード (和) 機械学習 / ニューラルネットワーク / 回帰分析 / 空間内挿 / 電波環境マップ / クラウドセンシング / /  
(英) machine learning / neural network / regression analysis / spatial interpolation / radio environment map / crowdsensing / /  
文献情報 信学技報, vol. 118, no. 421, SR2018-106, pp. 63-70, 2019年1月.
資料番号 SR2018-106 
発行日 2019-01-17 (SR) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 SR  
開催期間 2019-01-24 - 2019-01-25 
開催地(和) コラッセふくしま(福島県福島市) 
開催地(英) Corasse, Fukushima city (Fukushima prefecture) 
テーマ(和) コグニティブ無線,機械学習応用,異種無線融合型ネットワーク,SDN,IoT,一般 
テーマ(英) cognitive radio, machine learning application, heterogeneous network, SDN, IoT etc. 
講演論文情報の詳細
申込み研究会 SR 
会議コード 2019-01-SR 
本文の言語 日本語 
タイトル(和) ニューラルネットワークおよび空間内挿に基づく電波環境マップ構築に関する一考察 
サブタイトル(和)  
タイトル(英) On the Radio Environment Map Construction using Neural Network Residual Kriging 
サブタイトル(英)  
キーワード(1)(和/英) 機械学習 / machine learning  
キーワード(2)(和/英) ニューラルネットワーク / neural network  
キーワード(3)(和/英) 回帰分析 / regression analysis  
キーワード(4)(和/英) 空間内挿 / spatial interpolation  
キーワード(5)(和/英) 電波環境マップ / radio environment map  
キーワード(6)(和/英) クラウドセンシング / crowdsensing  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 佐藤 光哉 / Koya Sato / サトウ コウヤ
第1著者 所属(和/英) 東京理科大学 (略称: 東京理科大)
Tokyo University of Science (略称: TUS)
第2著者 氏名(和/英/ヨミ) 稲毛 契 / Kei Inage / イナゲ ケイ
第2著者 所属(和/英) 東京都立産業技術高等専門学校 (略称: 都立産技高専)
Tokyo Metropolitan College of Industrial Technology (略称: TMCIT)
第3著者 氏名(和/英/ヨミ) 藤井 威生 / Takeo Fujii / フジイ タケオ
第3著者 所属(和/英) 電気通信大学 (略称: 電通大)
The University of Electro-Communications (略称: UEC)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2019-01-24 15:45:00 
発表時間 25 
申込先研究会 SR 
資料番号 IEICE-SR2018-106 
巻番号(vol) IEICE-118 
号番号(no) no.421 
ページ範囲 pp.63-70 
ページ数 IEICE-8 
発行日 IEICE-SR-2019-01-17 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会