PORTO @ 
Archivio Istituzionale della Ricerca
IRIS è la soluzione IT che facilita la raccolta e la gestione dei dati relativi alle attività e ai prodotti della ricerca. Fornisce a ricercatori, amministratori e valutatori gli strumenti per monitorare i risultati della ricerca, aumentarne la visibilità e allocare in modo efficace le risorse disponibili.
EnglishThis work focuses on a machine learning based detection of ionospheric scintillation events affecting Global Navigation Satellite System (GNSS) signals. We here extend the recent detection results based on Decision Trees, designing a semi-supervised detection system based on the DeepInfomax approach recently proposed. The paper shows that it is possible to achieve good classification accuracy while reducing the amount of time that human experts must spend manually labelling the datasets for the training of supervised algorithms. The proposed method is scalable and reduces the required percentage of annotated samples to achieve a given performance, making it a viable candidate for a realistic deployment of scintillation detection in software defined GNSS receivers
Semi-Supervised GNSS scintillations detection based on DeepInfomax / Franzese, Giulio; Linty, Nicola; Dovis, Fabio. - In: APPLIED SCIENCES. - ISSN 2076-3417. - ELETTRONICO. - 10:1(2020), p. 381. [10.3390/app10010381]
| Titolo: | Semi-Supervised GNSS scintillations detection based on DeepInfomax | |
| Autori: | ||
| Data di pubblicazione: | 2020 | |
| Rivista: | ||
| Digital Object Identifier (DOI): | http://dx.doi.org/10.3390/app10010381 | |
| Appare nelle tipologie: | 1.1 Articolo in rivista |
File in questo prodotto:
| File | Descrizione | Tipologia | Licenza | |
|---|---|---|---|---|
| applsci-10-00381 (2).pdf | Articolo principale | 2a Post-print versione editoriale / Version of Record |  | Visibile a tuttiVisualizza/Apri |
http://hdl.handle.net/11583/2777700
Copyright © 2022