文献

J-GLOBAL ID：201802226923374160   整理番号：18A0408047

低遅延通信のための5Gネットワークにおける教師なし機械学習【Powered by NICT】

Unsupervised machine learning in 5G networks for low latency communications

著者 (2件)： Balevi Eren (Department of Electrical Engineering, University of South Florida) ,  Gitlin Richard D. (Department of Electrical Engineering, University of South Florida)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IPCCC  ページ： 1-2  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： 高出力ノード(HPN)と多くの低電力ノード(LPN)で構成されている不均一セルラネットワークに霧ネットワークを組み込んでいる。LPNからアップグレードであることを霧ノードの位置は潜時還元の究極の目的で教師なしソフトクラスタ化機械学習アルゴリズムを修正することによって特定した。各クラスタのリーダーは霧ノードになるようにクラスタを構築した。提案した方法は,簡単ではあるが実用的な,Voronoi分割モデルに関してレイテンシを大幅に減少させるが,改善は有界であり,飽和した。,閉ループ誤り制御システムは5Gシステムの厳しい待ち時間要求を満たすチャレンジするであろう,開ループ通信は5Gネットワークの1ms遅延要求を満たすために必要である。Copyright 2018 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： クラスタ化 ,  制御系 ,  待ち時間 ,  *通信 ,  クラスタ ,  学習アルゴリズム ,  開ループ系 ,  *ネットワーク
準シソーラス用語： 有界 ,  Voronoi分割 ,  セルラーネットワーク ,  低電力化 ,  高出力 ,  *低遅延 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 低遅延 ,  5G ,  教師なし機械学習