文献

J-GLOBAL ID：201802210481709607   整理番号：18A2099473

5Gモバイルネットワークのための深層学習ベースの大量MIMOビーム成形【JST・京大機械翻訳】

Deep Learning Based Massive MIMO Beamforming for 5G Mobile Network

著者 (4件)： Maksymyuk Taras (Lviv Polytechnic National University, Lviv, Ukraine) ,  Gazda Juraj (Technical University of Kos∨ice, Kosice, Slovakia) ,  Yaremko Oleh (Lviv Polytechnic National University, Lviv, Ukraine) ,  Nevinskiy Denys (Lviv Polytechnic National University, Lviv, Ukraine)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IDAACS-SWS  ページ： 241-244  発行年： 2018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： モバイルネットワークにおけるデータ量の急速な増加は,演算子を容量改善のための異なるオプションを探すために働く。したがって,現代の5Gネットワークは,配置と管理に関してより複雑になった。したがって,自己組織化能力を可能にすることによってネットワーク設計と管理を簡素化するために新しいアプローチが必要である。本論文では,大規模MIMOビーム成形の性能最適化のための新しい知的アルゴリズムを提案した。提案したアルゴリズムの重要な新規性は,協調的に深い敵強化学習ワークフローを実行する3つのニューラルネットワークの組合せにある。提案したシステムにおいて,一つのニューラルネットワークを訓練し,現実的なユーザ移動パターンを生成し,次に,関連するアンテナダイアグラムを生成するために,二次ニューラルネットワークにより使用した。一方,第3のニューラルネットワークは,両方のネットワークに対応する報酬に対応する発生したアンテナ図の効率を推定する。提案した手法の利点は,それ自身により学習し,大きな訓練データセットを必要としないことである。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自己組織化 ,  高速度 ,  強化学習 ,  ニューラルネットワーク ,  簡素化 ,  ワークフロー ,  アルゴリズム ,  アンテナ ,  *ビーム成形 ,  *ネットワーク
準シソーラス用語： 訓練データ ,  ネットワーク設計 ,  *MIMO ,  *深層学習 ,  *モバイルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 5G ,  モバイルネットワーク ,  深層学習 ,  MIMO ,  ビーム成形