文献

J-GLOBAL ID：202002231915173775   整理番号：20A2551144

物理層での深層学習:システムの課題と5Gおよびそれ以上への応用【JST・京大機械翻訳】

Deep Learning at the Physical Layer: System Challenges and Applications to 5G and Beyond

著者 (2件)： Restuccia Francesco ,  Melodia Tommaso
資料名： IEEE Communications Magazine  (IEEE Communications Magazine)
巻： 58  号： 10  ページ： 58-64  発行年： 2020年 
JST資料番号： B0780B  ISSN： 0163-6804  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： IoTの前例のない要求は,スペクトル資源の細粒最適化を緊急の必要とした。したがって,リアルタイムでスペクトルから知識を抽出して,最適スペクトルアクセス戦略を選択することができる設計技術は,これまでより重要になった。さらに,5Gネットワークは,適応ビーム管理やレート選択のような問題を扱うための複雑な管理方式を必要とする。深層学習(DL)は複雑な現象のモデリングにおいて成功しているが,市販の無線機器は,それらのスペクトル利用を最適化するために学習ベース技術を採用することからまだ非常に遠い。本論文では,まず,物理層におけるリアルタイムDLの必要性を議論し,次に,最新技術の現状と既存の限界を要約した。研究の課題と,DLが5Gとネットワークを越えて重要な問題に取り組むためにどのように適用できるかを考察することにより,論文を結論づける。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： 最適化 ,  *学習 ,  管理システム ,  ネットワーク ,  スペクトル
準シソーラス用語： *物理層 ,  実時間 ,  無線機 ,  モノのインターネット ,  *深層学習 ,  *第5世代移動通信システム , 【Automatic Indexing@JST】

分類 (3件)： 無線通信一般  (ND08010L) ,  光通信方式・機器  (ND10000B) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 物理層 ,  深層学習 ,  5G ,  応用