Jammer-Loc

このリポジトリには、論文
“Machine and Deep Learning for Indoor UWB Jammer Localization.” のコードとデータセットリンクが含まれています。

使用例

ハイパーパラメータ最適化プロセスを実行します：

python hpo.py \
  --task classification \
  --mode actual \
  --framework ml \
  --config config.yaml \
  --trials 50 \
  --study-name my_study

1. モデルとメトリクスは、main.py によって期待される形式で保存されなければなりません。
2. Optuna の結果は、デフォルトで hpo.db に保存されます。
3. すべてのコマンドラインオプションは、hpo.py 内で argparse を使用して定義されています。説明と追加のフラグについては、そのファイルを参照してください。

ソースデータでの分類と回帰、およびテストセットでのテスト

ソースデータセットで分類または回帰を実行し、テストセットでテストするには、次を使用できます：

python main.py --config config.yaml

1. 出力とメトリクスは、cfg.output.directory で定義されたディレクトリに保存されます。
2. すべてのモデルのチェックポイントとメトリクスは、モデルごとに保存されます（例：outputs/simple_nn/）。
3. 実行時障害が発生した場合、構造化されたエラーメッセージやスタックトレースを含む詳細なログ情報が記録され、体系的なデバッグと根本原因分析を容易にします。

ドメインアライメント

ドメインアライメント手法のファイル名は、論文に記載されているそれぞれの名前と直接対応しています。

パスの設定

config.yaml ファイル内で、プロジェクト構造に合わせてパスを必ず調整してください。

データセット

サイズ制約のため、生のデータセットはこのリポジトリに含まれていません。
これらは、次のリンクからダウンロードできます：。

ただし、すぐにコードを実行できるように、ソースドメインとターゲットドメイン用の2つのParquetファイルがこのリポジトリに用意されています。ドメインアライメントモデル用のデータを含む圧縮NumPy配列ファイル（.npz）は、上記のリンクからアクセスできます。