Investigating Map-Based Path Loss Models: A Study of Feature Representations in Convolutional Neural Networks

要約

パス損失予測は、無線周波数スペクトルを効率的に使用するための有益なツールです。
この論文は、高解像度マップベースの経路損失モデルに関する先行研究に基づいて、畳み込みニューラル ネットワークの入力表現をより詳細に研究します。
私たちは、畳み込みニューラル ネットワークでスカラー特徴を表現するさまざまな方法を調査します。
具体的には、周波数と距離を畳み込み層への入力チャネルとして、または回帰層へのスカラー入力として使用して比較します。
3 つの異なる特徴構成を使用してモデルのパフォーマンスを評価したところ、スカラー特徴を画像チャネルとして表すと最も強力な一般化が得られることがわかりました。

要約(オリジナル)

Path loss prediction is a beneficial tool for efficient use of the radio frequency spectrum. Building on prior research on high-resolution map-based path loss models, this paper studies convolutional neural network input representations in more detail. We investigate different methods of representing scalar features in convolutional neural networks. Specifically, we compare using frequency and distance as input channels to convolutional layers or as scalar inputs to regression layers. We assess model performance using three different feature configurations and find that representing scalar features as image channels results in the strongest generalization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google