Path Loss Prediction Using Machine Learning with Extended Features

要約

ワイヤレス通信はパスロス モデリングに依存しており、伝播環境の物理的な詳細が含まれる場合に最も効果的です。
このデータの取得はこれまで困難でしたが、地理情報システム データはより高い解像度と精度で利用できるようになってきています。
このような詳細にアクセスすると、伝播モデルでカバレッジをより正確に予測し、ワイヤレス展開における干渉を最小限に抑えることができます。
機械学習ベースのモデリングは、正確、効率的、スケーラブルな伝播モデリングを可能にする機能ベースのアプローチにより、この取り組みを大幅にサポートできます。
これまでの成果を基に、予測精度を向上させる拡張機能セットを導入するとともに、最も重要なこととして、幅広い環境にわたってモデルの一般化を維持します。

要約(オリジナル)

Wireless communications rely on path loss modeling, which is most effective when it includes the physical details of the propagation environment. Acquiring this data has historically been challenging, but geographic information system data is becoming increasingly available with higher resolution and accuracy. Access to such details enables propagation models to more accurately predict coverage and minimize interference in wireless deployments. Machine learning-based modeling can significantly support this effort, with feature-based approaches allowing for accurate, efficient, and scalable propagation modeling. Building on previous work, we introduce an extended set of features that improves prediction accuracy while, most importantly, maintaining model generalization across a broad range of environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google