文献

J-GLOBAL ID：201902236922529312   整理番号：19A1772865

無線ネットワークにおける混合整数資源割当問題のための転送学習【JST・京大機械翻訳】

Transfer Learning for Mixed-Integer Resource Allocation Problems in Wireless Networks

著者 (4件)： Shen Yifei ,  Shi Yuanming ,  Zhang Jun ,  Letaief Khaled B.
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICC  ページ： 1-6  発行年： 2019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： 効果的資源配分は,無線ネットワークにおいて中心的役割を果たす。残念ながら,典型的資源割当問題は,NP困難である混合整数非線形計画法(MINLP)問題である。機械学習に基づく方法は,最近,手頃な計算複雑性を持つMINLP問題に対して,近最適性能を得るための破壊的な方法として出現している。しかし,それらは,ネットワークパラメータが変化するとき,厳しい性能劣化を被り,それは一般的に実際に起こり,タスク不整合問題として特徴付けることができる。本論文では,自己模倣による移動学習法を提案し,無線ネットワークにおける効果的資源割当に対するこの問題に取り組んだ。これは,MINLP問題を解くための一般的な学習に基づいている。提案した方法のユニークな利点は,それが大規模問題に移るときに特に重要な,いくつかの付加的な非標識訓練サンプルによるタスク不整合問題に取り組むことができることである。数値実験により,提案した方法は,訓練時間が非常に少なく,十分なラベル付きサンプルに基づくスクラッチから訓練されたモデルと同等の性能を達成することを実証した。著者らの知る限りでは,これは無線ネットワークにおける資源割当のための転送学習を適用する最初の研究である。Copyright 2019 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： *資源割付 ,  *学習 ,  機械学習 ,  計算量 ,  NP困難 ,  *割当問題 ,  不整合
準シソーラス用語： スクラッチ ,  数値実験 ,  性能劣化 ,  ネットワークパラメータ ,  混合整数非線形計画法 ,  *無線ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 無線通信一般  (ND08010L) ,  計算機網  (JC03000K)

タイトルに関連する用語 (6件)： 無線ネットワーク ,  整数 ,  資源割当 ,  問題 ,  転送 ,  学習