| 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 | 2019-09-20 11:20 ［チュートリアル講演］機械学習の伝搬損失推定への応用 ～ 伝搬モデルをつなぐ架け橋 ～ ○中林寛暁（千葉工大）  AP2019-77 |
|
| 抄録 | （和） | 陸上移動通信の回線設計や置局設計に利用される伝搬損失推定について，伝搬モデルの最適化，作成方法の課題を解決するため，代表的な伝搬モデルを機械学習の利用により効果的に融合する方法について解説している．解説した手法は，従来からモデル作成に用いられてきた重回帰分析や理論解析と比較して，比較的容易に伝搬モデルの融合が可能であり，新たなパラメータの追加によりモデルの最適化も可能である．よって機械学習は，様々な伝搬モデルをつなぐ架け橋として機能し，高精度の伝搬損失推定を可能とすることを述べている． |
| （英） | On propagation loss prediction used for link design and station installation design in land mobile communications, in order to solve the problems of propagation model optimization and creation methods, a method to effectively merge representative propagation models by using machine learning is explained. Compared to multiple regression analysis and theoretical analysis which have been used for model creation, the method can easily merge the propagation models, and can also optimize models by adding new parameters. Therefore, it is explained that the machine learning functions as bridges connecting the various propagation models and is possible to predict the propagation loss with high accuracy. | |
| キーワード | （和） | 機械学習 / 伝搬損失推定 / 伝搬モデル / 伝搬モデルの融合 / / / / |
| （英） | Machine Learning / Propagation Loss Prediction / Propagation Model / Merged Propagation Models / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 203, AP2019-77, pp. 43-47, 2019年9月. | |
| 資料番号 | AP2019-77 | |
| 発行日 | 2019-09-12 (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 | AP2019-77 |
|
| 研究会情報 | |
| 研究会 | MW AP |
| 開催期間 | 2019-09-19 - 2019-09-20 |
| 開催地（和） | JAXA (相模原) |
| 開催地（英） | JAXA (Sagamihara) |
| テーマ（和） | マイクロ波ミリ波/一般 |
| テーマ（英） | Microwave, Millimeter wave, Antennas and Propagation |
| 講演論文情報の詳細 | |
| 申込み研究会 | AP |
| 会議コード | 2019-09-MW-AP |
| 本文の言語 | 日本語 |
| タイトル（和） | 機械学習の伝搬損失推定への応用 |
| サブタイトル（和） | 伝搬モデルをつなぐ架け橋 |
| タイトル（英） | Application of Machine Learning to Propagation Loss Prediction |
| サブタイトル（英） | Bridge Connecting Propagation Models |
| キーワード(1)（和/英） | 機械学習 / Machine Learning |
| キーワード(2)（和/英） | 伝搬損失推定 / Propagation Loss Prediction |
| キーワード(3)（和/英） | 伝搬モデル / Propagation Model |
| キーワード(4)（和/英） | 伝搬モデルの融合 / Merged Propagation Models |
| 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） | 中林 寛暁 / Hiroaki Nakabayashi / ナカバヤシ ヒロアキ |
| 第1著者 所属（和/英） | 千葉工業大学 (略称： 千葉工大) Chiba Institute of Technology (略称： Chiba Tech) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-09-20 11:20:00 |
| 発表時間 | 50分 |
| 申込先研究会 | AP |
| 資料番号 | AP2019-77 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.203 |
| ページ範囲 | pp.43-47 |
| ページ数 | 5 |
| 発行日 | 2019-09-12 (AP) |
[研究会発表申込システムのトップページに戻る]