文献

J-GLOBAL ID：202002225413349168   整理番号：20A1185816

知的ユーザ中心ネットワーク:学習ベースダウンリンクCOMP領域呼吸【JST・京大機械翻訳】

Intelligent User-Centric Networks: Learning-Based Downlink CoMP Region Breathing

著者 (4件)： Wang Li (Research and Development Center, Huawei Technologies Sweden AB, Stockholm, Sweden) ,  Peters Gunnar (Research and Development Center, Huawei Technologies Sweden AB, Stockholm, Sweden) ,  Liang Ying-Chang (University of Electronic Science and Technology of China, Chengdu, China) ,  Hanzo Lajos (Electronics and Computer Science, University of Southampton, Southampton, U.K.)
資料名： IEEE Transactions on Vehicular Technology  (IEEE Transactions on Vehicular Technology)
巻： 69  号： 5  ページ： 5583-5597  発行年： 2020年 
JST資料番号： C0244A  ISSN： 0018-9545  CODEN： ITVTAB  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： 不規則な伝送/受信点(TRP)トポロジーと不均一ユーザ分布の存在下で,ユーザからノードへの関連最適化は,実際のユーザ中心ネットワーク,特に共同伝送支援協調多点(CoMP)技術において,かなり挑戦的なプロセスである。システム容量を強化するために,動的ユーザスケジューリング過程を考慮するとき,挑戦のグレードはさらに増加する。上記の問題に取り組むために,著者らは,共同利用者スケジューリングとユーザ-ノード関連を隠すことによって,システムを全体的に最適化した。次に,ネットワーク容量とカバレッジ品質の間の著しくより良いバランスをとるために,著者らは,ニューラルフィットQ-反復法および集合学習と移動学習技術の両方で本質的に融合された一般化強化学習支援フレームワークを提案した。その結果,共同伝送に参加するTRPsの集合を動的に調整するための強力な政策を見出すことができ,その結果,ネットワーク全体にわたる遠隔トラヒック負荷の時間的および地理的分布の両方に依存して,CoMP領域を制動することが可能になる。柔軟なスケーラビリティをサポートするグローバルな政策の迅速な学習を容易にするために,全体的なネットワーク最適化プロセスは,それらの間の反復情報交換に依存する多くのTRPクラスタに関連する複数の局所最適化フェーズに分離される。シミュレーション結果は,提案した方式が,不均一な地理的UE分布とバースト性トラフィックを持つ挑戦的シナリオの下で,最大140%のネットワーク端スループット利得と190%までのネットワーク容量利得を達成する政策を作り出すことができることを示した。Copyright 2020 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： 位相幾何学 ,  最適化 ,  シミュレーション ,  *学習 ,  スケジューリング ,  *ネットワーク ,  逐次近似 ,  *基幹回線 ,  クラスタ ,  利得 ,  スループット ,  情報交換 ,  強化学習
準シソーラス用語： ネットワーク容量 ,  ネットワーク最適化 , 【Automatic Indexing@JST】

分類 (1件)： 移動通信  (ND08030H)

タイトルに関連する用語 (5件)： 中心ネットワーク ,  学習 ,  ダウンリンク ,  COMP ,  呼吸