文献

J-GLOBAL ID：201702216299138156   整理番号：17A0381122

誤りがちな無線ブロードキャストのための同時ネットワーク符号化と機械学習【Powered by NICT】

Joint network coding and machine learning for error-prone wireless broadcast

著者 (6件)： Nguyen Dong (Saolasoft Inc., 9200 E Mineral Ave, Centennial, CO 880211, USA) ,  Nguyen Canh (FPT University, Hanoi, Vietnam) ,  Thuan Duong-Ba (Hanoi University of Science and Technology, Vietnam) ,  Nguyen Hung (Saolasoft Inc., 9200 E Mineral Ave, Centennial, CO 880211, USA) ,  Nguyen Anh (Saolasoft Inc., 9200 E Mineral Ave, Centennial, CO 880211, USA) ,  Tran Tuan (Sullivan University, 3101 Bardstown Rd, Louisville, KY 40205, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCWC  ページ： 1-7  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 損失性無線チャネル上の多数の受信機への信頼性のある放送データは無線リンク条件の不均一性のために挑戦的である。自動再送要求(ARQ)に基づく再送方式は,受信機でのデータ複製による帯域幅効率が悪い。ネットワーク符号化(NC)は再送のための複数の失われたデータパケットを組み合わせることにより,ネットワーク帯域幅効率を改善するための有望な技術であることが示されている。しかし,パケット損失は破壊されたフィードバックチャネルにより互いに結合しなければならない正確に決定するために挑戦的である。本論文では,損失パケットの再送のためのネットワーク符号化と機械学習(NCML)の接合による伝達物質での適応データ符号化方式を提案した。提案NCMLは分類器を訓練するために送信機が受けた歴史的フィードバック信号から重要な特徴を抽出する。構築した分類器は,効果的なデータ混合の破壊されたフィードバック信号に基づく異なる受信機で送信されたデータパケットの状態を予測するのに使用される。は筆者らの提案アプローチの効率を協調する広範囲のシミュレーションを行った。シミュレーション結果は,この機械学習アルゴリズムは効率的かつ正確に訓練できることを示した。シミュレーション結果は,平均して提案したNCMLは異なる受信機で送信されたデータパケットの状態の90%を正確に分類できることを示した。異なる透過地形,パワーレベル,送信機と受信機間の距離におけるARQとNCベース方式と比較して有意な帯域幅利得を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 送信機 ,  *機械学習 ,  パケット ,  *ブロードキャスト ,  フィードバック ,  帯域幅 ,  *符号化 ,  受信機 ,  利得 ,  不均一性 ,  パケット損失 ,  無線リンク
準シソーラス用語： 無線チャネル ,  *ネットワークコーディング ,  *ワイヤレス , 【Automatic Indexing@JST】

分類 (4件)： 計算機網  (JC03000K) ,  符号理論  (ND02030R) ,  無線通信一般  (ND08010L) ,  通信網  (ND07030A)

タイトルに関連する用語 (5件)： 誤り ,  無線 ,  ブロードキャスト ,  ネットワーク符号化 ,  機械学習