文献

J-GLOBAL ID：201802294886440078   整理番号：18A1806602

無線ネットワークにおける前向きキャッシングへの強化学習アプローチ【JST・京大機械翻訳】

A Reinforcement-Learning Approach to Proactive Caching in Wireless Networks

著者 (3件)： Somuyiwa Samuel O. (Department of Electrical and Electronic Engineering, Imperial College London, London, U.K.) ,  Gyorgy Andras (Department of Electrical and Electronic Engineering, Imperial College London, London, U.K.) ,  Gunduz Deniz (Department of Electrical and Electronic Engineering, Imperial College London, London, U.K.)
資料名： IEEE Journal on Selected Areas in Communications  (IEEE Journal on Selected Areas in Communications)
巻： 36  号： 6  ページ： 1331-1344  発行年： 2018年 
JST資料番号： A0908B  ISSN： 0733-8716  CODEN： ISACEM  資料種別： 逐次刊行物 (A)
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： 動的環境におけるモバイルユーザアクセスコンテンツを考察した。そこでは,新しいコンテンツが時間(ユーザの接触により)上で生成され,ランダムな寿命のためにユーザに関連している。有限容量キャッシュメモリを装備したユーザは,システムをランダムにアクセスし,アクセス時のすべての関連コンテンツを要求する。このシステムは,ダウンロードされるコンテンツの数とその時間におけるチャネル品質に関連するエネルギーコストを招く。チャネル品質,コンテンツプロファイル,およびユーザアクセス挙動の因果知識を仮定して,長期平均エネルギーコストを最小化する目的で,Markov決定プロセスとしてプロアクティブキャッシング問題をモデル化した。最初に,チャネル状態に依存して,ユーザにより要求される前に,メモリから適切なコンテンツを動的にキャッシュまたは除去する閾値ベースのプロアクティブキャッシング方式の最適性を証明した。最適閾値はシステム状態に依存し,従って計算的には困難である。したがって,閾値値に対するパラメトリック表現を提案し,近最適パラメータ化を見出すために強化学習アルゴリズムを用いた。シミュレーションにより,提案方式が古典的な反応性ダウンロードを著しく上回り,genie支援下限に非常に近い性能を発揮することを実証した。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： モデリング ,  コンテンツ ,  記憶装置 ,  チャネル ,  キャッシュメモリ ,  ダウンロード ,  *強化学習 ,  学習アルゴリズム
準シソーラス用語： 最適パラメータ ,  最適性 ,  チャネル品質 ,  モバイルユーザ ,  動的環境 ,  *キャッシング ,  *無線ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (3件)： 無線ネットワーク ,  キャッシング ,  強化学習