文献

J-GLOBAL ID：201802255485998321   整理番号：18A2221027

セルラネットワークにおけるSIR予測のための機械学習法【JST・京大機械翻訳】

Machine learning methods for SIR prediction in cellular networks

著者 (4件)： Rozenblit Orit (Jerusalem College of Technology, Israel) ,  Haddad Yoram (Jerusalem College of Technology, Israel) ,  Mirsky Yisroel (Ben Gurion University, Israel) ,  Azoulay Rina (Jerusalem College of Technology, Israel)
資料名： Physical Communication  (Physical Communication)
巻： 31  ページ： 239-253  発行年： 2018年 
JST資料番号： W3438A  ISSN： 1874-4907  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ステーションの無線カバレッジの正確な評価は,5Gネットワークにおける重要な特徴であると考えられる。送信機の受信カバレッジを決定することは,干渉送信機があるとき,複雑な問題になり,そして,それらの送信機の伝送電力が一様でないとき,ますます複雑になる。本論文では,無線カバレッジマップを予測するために使用できる異なる機械学習技術を比較した。次の機械学習法を考察した。(1)動径基底ネットワーク;一般的にGaussカーネルを用いる一種の人工ニューラルネットワーク,(2)活性化器としてシグモイド関数を用いる人工ニューラルネットワーク,(3)二つの隠れ層を持つ多層パーセプトロン,および(4)k-最近傍技術。これらの4つの異なる学習技術を用いて,サンプルに基づくカバレッジマップを生成するためのニューラルネットワークの訓練が可能であることを示し,テストセット上の学習プロセスの精度レベルをチェックした。著者らの実験の結論は,サンプル点がランダムに位置しているならば,動径基底ネットワークと多層パーセプトロンが他の方法より良く機能するということである。したがって,これらのモデルは,学習範囲マップのための有望な候補と考えられ,5Gセルラネットワークのフレームワーク内での効率的なスペクトル管理に使用できる。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  受信 ,  *学習 ,  シグモイド関数 ,  *機械学習 ,  送信機 ,  電力 ,  干渉 ,  *ネットワーク ,  多層パーセプトロン
準シソーラス用語： 隠れ層 ,  Gaussカーネル ,  カバレッジ【プログラム検証】 ,  ワイヤレス ,  *セルラーネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 5Gネットワーク ,  カバレージマップ ,  機械学習 ,  動径基底ネットワーク ,  多層パーセプトロン

分類 (1件)： 移動通信  (ND08030H)

タイトルに関連する用語 (4件)： セルラネットワーク ,  SIR ,  予測 ,  機械学習