文献

J-GLOBAL ID：201902284717510089   整理番号：19A1454756

セルラネットワークのパラメータ構成のための協調学習に基づくアプローチ【JST・京大機械翻訳】

A Collaborative Learning Based Approach for Parameter Configuration of Cellular Networks

著者 (8件)： Chuai Jie (Noah’s Ark Lab, Huawei Technologies, China) ,  Chen Zhitang (Noah’s Ark Lab, Huawei Technologies, China) ,  Liu Guochen (Noah’s Ark Lab, Huawei Technologies, China) ,  Guo Xueying (Department of Computer Science, University of California, Davis, CA, USA) ,  Wang Xiaoxiao (Department of Computer Science, University of California, Davis, CA, USA) ,  Liu Xin (Department of Computer Science, University of California, Davis, CA, USA) ,  Zhu Chongming (Huawei Technologies, China) ,  Shen Feiyi (Huawei Technologies, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： INFOCOM  ページ： 1396-1404  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： セルラネットワーク性能はそのネットワークパラメータの構成に大きく依存する。パラメータ構成の現在の実践は,エキスパート経験に大きく依存しており,それはしばしば準最適,時間がかかり,誤りが起こりやすい。したがって,学習に基づくアプローチにより精度と効率を改善するためにこのプロセスを自動化することが望ましい。しかしながら,そのようなアプローチは,実際の運用ネットワークにおけるいくつかの課題に取り組む必要がある:多様な歴史的データの欠如,ネットワーク演算子により設定された限られた量の実験予算,および高度に複雑で未知のネットワーク性能関数。これらの課題に取り組むために,学習効率を上げ,ネットワーク性能を改善するために,異なるセルからのデータを活用する協調学習手法を提案した。具体的には,転送可能な文脈的な帯域問題として問題を定式化し,転送学習により,一つはレジスタ限界を大幅に低減できることを証明した。理論的結果に基づいて,すべてのセルのデータを用いて学習された一般的な均一な政策に細胞の政策を分解する実用的なアルゴリズムをさらに開発し,個々のセルの不均一挙動を捉える細胞特異的な政策を開発した。提案したアルゴリズムを実際のネットワークデータを用いて構築したシミュレータにより評価し,ベースラインと比較してより高速な収束を実証した。さらに重要なことに,2週間にわたり5つのパラメータを最適化するために,1700+セルから成る実際の大都市セルラネットワークにおいて,ライブフィールドテストを行った。提案したアルゴリズムは20%の著しい性能改善を示した。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： 最適化 ,  高速度 ,  大都市 ,  自動化 ,  現場試験 ,  シミュレータ ,  レジスタ ,  アルゴリズム ,  基準線 ,  周波数帯 ,  定式化 ,  *ネットワーク ,  *学習
準シソーラス用語： *協調学習 ,  *セルラーネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 移動通信  (ND08030H)

タイトルに関連する用語 (3件)： セルラネットワーク ,  パラメータ ,  協調学習