お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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
[ログイン]
技報アーカイブ
 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 2019-07-18 14:05
[依頼講演]深層学習の入力データにレイトレース法の結果を考慮した伝搬損失推定の検討
岩﨑 慧チン ギルバート シーリキセニア ルキタ岡村 航吉敷由起子構造計画研AP2019-33
抄録 (和) 伝搬損失推定には,実測値を基に推定式を構築する方法やレイトレース法を用いたシミュレーションで推定する方法などがある.深層学習は近年多様なタスクに応用され成果を挙げ,伝搬損失推定に適用された研究も行われている.深層学習には大量のデータを必要とする.今回学習データの一部をレイトレース法のシミュレーションより収集し,精度向上に寄与するか検討を行ったので報告する.入力パラメータの組合せから精度に寄与する組合せを決定し,そのパラメータセットで構築したモデルで当てはまりの悪いデータを特定し,入力パラメータの改善を行った. 
(英) Propagation loss estimation can be achieved from models based on measurement or from simulations based on ray tracing method. Deep learning has been applied to various tasks in recent years, and studies applied to propagation loss estimation have also been conducted. Deep learning requires a large amount of data. In this research, a portion of the training data uses simulation results of ray tracing, and it was examined whether the data contributes to the improvement of accuracy. To do this, the input parameter combination that contributes to the accuracy was determined. The data that is not applicable was identified and the input parameters were improved.
キーワード (和) レイトレース法 / 深層学習 / 伝搬損失推定 / / / / /  
(英) Ray Trace / Deep Learning / Propagation Loss Estimation / / / / /  
文献情報 信学技報, vol. 119, no. 120, AP2019-33, pp. 63-68, 2019年7月.
資料番号 AP2019-33 
発行日 2019-07-10 (AP) 
ISSN Online edition: ISSN 2432-6380
著作権に
ついて
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034)
PDFダウンロード AP2019-33

研究会情報
研究会 AP SANE SAT  
開催期間 2019-07-17 - 2019-07-19 
開催地(和) 東北大学 
開催地(英) Tohoku Univ. 
テーマ(和) 地下電磁計測,衛星通信,電波伝搬,一般 
テーマ(英) Subsurface Electromagnetic Measurements, Sattelite Communication, Radio propagation, Antennas and Propagation 
講演論文情報の詳細
申込み研究会 AP 
会議コード 2019-07-AP-SANE-SAT 
本文の言語 日本語 
タイトル(和) 深層学習の入力データにレイトレース法の結果を考慮した伝搬損失推定の検討 
サブタイトル(和)  
タイトル(英) Propagation Loss Estimation considering Ray Tracing Results for Deep Learning Input Data 
サブタイトル(英)  
キーワード(1)(和/英) レイトレース法 / Ray Trace  
キーワード(2)(和/英) 深層学習 / Deep Learning  
キーワード(3)(和/英) 伝搬損失推定 / Propagation Loss Estimation  
キーワード(4)(和/英) /  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
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) 岩﨑 慧 / Satoshi Iwasaki / イワサキ サトシ
第1著者 所属(和/英) (株)構造計画研究所 (略称: 構造計画研)
Kozo Keikaku Engineering Inc. (略称: KKE)
第2著者 氏名(和/英/ヨミ) チン ギルバート シー / Gilbert Siy Ching / チン ギルバート シー
第2著者 所属(和/英) (株)構造計画研究所 (略称: 構造計画研)
Kozo Keikaku Engineering Inc. (略称: KKE)
第3著者 氏名(和/英/ヨミ) リキセニア ルキタ / Rikisenia Lukita / リキセニア ルキタ
第3著者 所属(和/英) (株)構造計画研究所 (略称: 構造計画研)
Kozo Keikaku Engineering Inc. (略称: KKE)
第4著者 氏名(和/英/ヨミ) 岡村 航 / Wataru Okamura / オカムラ ワタル
第4著者 所属(和/英) (株)構造計画研究所 (略称: 構造計画研)
Kozo Keikaku Engineering Inc. (略称: KKE)
第5著者 氏名(和/英/ヨミ) 吉敷 由起子 / Yukiko Kishiki / ユキコ キシキ
第5著者 所属(和/英) (株)構造計画研究所 (略称: 構造計画研)
Kozo Keikaku Engineering Inc. (略称: KKE)
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 第1著者 
発表日時 2019-07-18 14:05:00 
発表時間 25分 
申込先研究会 AP 
資料番号 AP2019-33 
巻番号(vol) vol.119 
号番号(no) no.120 
ページ範囲 pp.63-68 
ページ数
発行日 2019-07-10 (AP) 


[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