| 講演名 | 2018-07-12 ［ポスター講演］深層学習を用いた深度画像からのミリ波通信受信信号電力予測 中島 功太(京大), 香田 優介(京大), 山本 高至(京大), 岡本 浩尚(京大), 西尾 理志(京大), 守倉 正博(京大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ミリ波通信は広帯域を用いることで1,GBit/sを超える高速通信が可能である一方，見通し通信路が障害物により遮蔽されることによる信号強度の大幅な減衰か?問題となる．見通し通信路遮蔽による信号強度の減衰を補償する方法として，遮蔽が発生する前に予測的に他のアクセスポイントにハンドオーバするという方法が考えられる．本発表では，深層学習を用いて深度画像から将来のミリ波通信の受信信号電力を推定する手法を検討する．深度画像から将来の受信信号電力を予測することて?，制御信号等による帯域の圧迫を回避しつつ，切り替え先のアクセスホ?イントの通信品質の把握か?可能となる．提案手法をIEEE 802.11ad準拠ミリ波通信無線LAN機器を用いたテストベッドに実装し，実証実験により評価を行う．入力する深度画像の枚数をパラメータとして3,種類の機械学習モデルを比較し，推定精度及び学習時間の点について評価を行う． |
| 抄録(英) | This paper experimentally finds the optimum number of input images of a machine learning-based mmWave received signal strength (RSS) value prediction scheme from depth images. By modeling the relationships between time-sequential depth images and RSS values based on machine learning, it is possible to predict the future RSS values, and thereby, a predictive handover makes a moment of degradation of the RSS value avoidable. As prediction models of RSS value, two machine learning models are compared: the combination of the convolutional neural network and convolutional long short-term memory (CNN+ConvLSTM), and random forest. As the number of input images increases, the prediction accuracy generally improves, however, too numerous input images may make the prediction accuracy worse because of over-fitting. Experimental results reveal that the number of input images that are input in order to predict the RSS value the most accurately is 16. |
| キーワード(和) | 機械学習 / 深層学習 / 無線通信品質予測 / ミリ波通信 / ハンドオーバ |
| キーワード(英) | machine learning / deep learning / wireless communication quality prediction / millimeter-wave communications / handover |
| 資料番号 | RCC2018-37,NS2018-50,RCS2018-95,SR2018-34,ASN2018-31 |
| 発行日 | 2018-07-04 (RCC, NS, RCS, SR, ASN) |
| 研究会情報 | |
| 研究会 | ASN / NS / RCS / SR / RCC |
|---|---|
| 開催期間 | 2018/7/11(から3日開催) |
| 開催地（和） | 函館アリーナ |
| 開催地（英） | Hakodate Arena |
| テーマ（和） | 無線分散ネットワーク，機械学習とAIを応用した無線通信・ネットワーク技術，M2M (Machine-to-Machine)，D2D (Device-to-Device)，IoT（Internet of Things），一般 |
| テーマ（英） | Wireless Distributed Network, Machine Learning and AI for Wireless Communications and Networks, M2M (Machine-to-Machine), D2D (Device-to-Device), IoT（Internet of Things）, etc. |
| 委員長氏名（和） | 岡田 啓(名大) / 岡崎 義勝(NTT) / 大槻 知明(慶大) / 梅林 健太(東京農工大) / 林 和則(阪市大) |
| 委員長氏名（英） | Hiraku Okada(Nagoya Univ.) / Yoshikatsu Okazaki(NTT) / Tomoaki Otsuki(Keio Univ.) / Kenta Umebayashi(Tokyo Univ. of Agric. and Tech.) / Kazunori Hayashi(Osaka City Univ.) |
| 副委員長氏名（和） | 山本 高至(京大) / 中澤 仁(慶大) / 門田 和也(日立) / 中尾 彰宏(東大) / 福田 英輔(富士通研) / 須山 聡(NTTドコモ) / 前原 文明(早大) / 有吉 正行(NEC) / 亀田 卓(東北大) / 東 俊一(名大) / 李 還幇(NICT) |
| 副委員長氏名（英） | Koji Yamamoto(Kyoto Univ.) / Jin Nakazawa(Keio Univ.) / Kazuya Monden(Hitachi) / Akihiro Nakao(Univ. of Tokyo) / Eisuke Fukuda(Fujitsu Labs.) / Satoshi Suyama(NTT DoCoMo) / Fumiaki Maehara(Waseda Univ.) / Masayuki Ariyoshi(NEC) / Suguru Kameda(Tohoku Univ.) / Shunichi Azuma(Nagoya Univ.) / HUAN-BANG LI(NICT) |
| 幹事氏名（和） | 大和田 泰伯(NICT) / 萬代 雅希(上智大) / 川喜田 佑介(神奈川工科大) / 松井 健一(NTT) / 谷川 陽祐(阪府大) / 西村 寿彦(北大) / 石原 浩一(NTT) / 石津 健太郎(NICT) / 矢野 一人(ATR) / 石橋 功至(電通大) / 石井 光治(香川大) / 林 直樹(阪大) |
| 幹事氏名（英） | Yasunori Owada(NICT) / Masaki Bandai(Sophia Univ.) / Yusuke Kawakita(Kanagawa Inst. of Tech.) / Kenichi Matsui(NTT) / Yosuke tanigawa(Osaka Pref Univ.) / Toshihiko Nishimura(Hokkaido Univ.) / Koichi Ishihara(NTT) / Kentaro Ishidu(NICT) / Kazuto Yano(ATR) / Koji Ishibashi(Univ. of Electro-Comm.) / Koji Ishii(Kagawa Univ.) / Naoki Hayashi(Osaka Univ.) |
| 幹事補佐氏名（和） | 橋本 匡史(阪大) / 大田 知行(広島市立大) / 菊月 達也(富士通研) / 中野 亮(日立) / 堀田 善文(三菱電機) / 橿渕 健一(NTT) / 村岡 一志(ＮＴＴドコモ) / 衣斐 信介(阪大) / 西本 浩(三菱電機) / 安達 宏一(電通大) / 中村 理(シャープ) / Gia Khanh Tran(東工大) / 成枝 秀介(三重大) / 大島 浩嗣(構造計画研) / 太田 真衣(福岡大) / 大山 哲平(富士通研) / 加川 敏規(NICT) / 小蔵 正輝(奈良先端大) |
| 幹事補佐氏名（英） | Masafumi Hashimoto(Osaka Univ.) / Tomoyuki Ota(Hiroshima City Univ.) / Tatsuya Kikuzuki(Fujitu Lab.) / Ryo Nakano(HITACHI) / Yoshifumi Hotta(Mitsubishi Electric) / Kenichi Kashibuchi(NTT) / Kazushi Muraoka(NTT DOCOMO) / Shinsuke Ibi(Osaka Univ.) / Hiroshi Nishimoto(Mitsubishi Electric) / Koichi Adachi(Univ. of Electro-Comm.) / Osamu Nakamura(Sharp) / Gia Khanh Tran(Tokyo Inst. of Tech.) / Syusuke Narieda(Mie Univ.) / Koji Ohshima(Kozo Keikaku Engineering) / Mai Ohta(Fukuoka Univ.) / Teppei Oyama(Fujitsu Lab.) / Toshinori Kagawa(NICT) / Masateru Ogura(NAIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Ambient intelligence and Sensor Networks / Technical Committee on Network Systems / Technical Committee on Radio Communication Systems / Technical Committee on Smart Radio / Technical Committee on Reliable Communication and Control |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［ポスター講演］深層学習を用いた深度画像からのミリ波通信受信信号電力予測 |
| サブタイトル（和） | |
| タイトル（英） | [Poster Presentation] Deep Learning Based RSS Prediction Using RGB-D Camera for mmWave Communications |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 機械学習 / machine learning |
| キーワード(2)（和/英） | 深層学習 / deep learning |
| キーワード(3)（和/英） | 無線通信品質予測 / wireless communication quality prediction |
| キーワード(4)（和/英） | ミリ波通信 / millimeter-wave communications |
| キーワード(5)（和/英） | ハンドオーバ / handover |
| 第 1 著者 氏名（和/英） | 中島 功太 / Kota Nakashima |
| 第 1 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 2 著者 氏名（和/英） | 香田 優介 / Yusuke Koda |
| 第 2 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 3 著者 氏名（和/英） | 山本 高至 / Koji Yamamoto |
| 第 3 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 4 著者 氏名（和/英） | 岡本 浩尚 / Hironao Okamoto |
| 第 4 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 5 著者 氏名（和/英） | 西尾 理志 / Takayuki Nishio |
| 第 5 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 第 6 著者 氏名（和/英） | 守倉 正博 / Masahiro Morikura |
| 第 6 著者 所属（和/英） | 京都大学(略称：京大) Kyoto University(略称：Kyoto Univ.) |
| 発表年月日 | 2018-07-12 |
| 資料番号 | RCC2018-37,NS2018-50,RCS2018-95,SR2018-34,ASN2018-31 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | RCC-123,NS-124,RCS-125,SR-126,ASN-127 |
| ページ範囲 | pp.75-76(RCC), pp.81-82(NS), pp.93-94(RCS), pp.85-86(SR), pp.91-92(ASN), |
| ページ数 | 2 |
| 発行日 | 2018-07-04 (RCC, NS, RCS, SR, ASN) |