文献

J-GLOBAL ID：201702278703961987   整理番号：17A0023826

MANET学習と経路選定のための解析的フレームワーク【Powered by NICT】

Analytical framework for MANET learning and routing

著者 (6件)： Sagduyu Yalin E. (Intelligent Automation, Inc., Rockville, MD 20855, USA) ,  Shi Yi (Intelligent Automation, Inc., Rockville, MD 20855, USA) ,  Mackey Sharon J. (U.S. Army CERDEC, Aberdeen Proving Ground, MD 21005, USA) ,  Cansever Derya H. (U.S. Army CERDEC, Aberdeen Proving Ground, MD 21005, USA) ,  Patel Mitesh P. (U.S. Army CERDEC, Aberdeen Proving Ground, MD 21005, USA) ,  Panettieri Bart F. (U.S. Army CERDEC, Aberdeen Proving Ground, MD 21005, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： MILCOM  ページ： 108-113  発行年： 2016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： オンザフライ学習と前社会認知特徴で支持された多層(社会的コミュニケーション)ネットワークの解析モデルを提示した。このモデルでは,局所情報で動作する各ノードは次ホップノードを見出し,すべての社会的およびモバイルアドホックネットワーク(MANET)通信リンク近傍,その正規化遅延が最小間のみルーティングは,分散環境で定式化した。この手法は,エンドツーエンド遅延を最小化し,他の指標,例えば,成功確率を最適化するために拡張した。遅延性能は,宛先ノードへの距離,二社会認知特徴で社会的認知学習における推定される,遭遇の頻度と社会的圧力計量の関数として解析的に評価した。異なる移動モデル(random waypointと群)は通信トポロジを考慮し,いろいろなグラフモデル(均一ランダムまたはスケールフリー)が下にある社会ネットワークについて考察した。分析は,異なるレベルの粒度を有する無限および有限ノードモデルを提供した。添加では,実際の社会ネットワークデータ解析を評価した。結果はオンライン学習は目的地までの実際の距離を蜜に追跡することができ,学習による期待遅延ネットワーク動力学の完全な知識に近いことを示しているが,ホップ距離と飽和し,スモールワールド現象である捕獲されたことを意味している。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： ネットワーク ,  *経路選定 ,  最適化 ,  解析モデル ,  粒度 ,  *学習 ,  データ解析 ,  正規化 ,  *通信操作
準シソーラス用語： スモールワールド ,  オンライン学習 ,  社会的ネットワーク ,  グラフモデル ,  成功率 ,  分散環境 ,  *モバイルアドホックネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： MANET ,  学習 ,  経路選定 ,  解析 ,  フレームワーク