文献

J-GLOBAL ID：202002254970173987   整理番号：20A0836947

深層強化学習を用いたネットワークスライシングのための無線リソース割当法【JST・京大機械翻訳】

Radio Resource Allocation Method for Network Slicing using Deep Reinforcement Learning

著者 (6件)： Abiko Yu (Shizuoka University,Graduate School of Integrated Science and Technology,Hamamatsu,Japan) ,  Saito Takato (NTT DOCOMO, Inc.,Research Laboratories,Yokosuka,Japan) ,  Ikeda Daizo (NTT DOCOMO, Inc.,Research Laboratories,Yokosuka,Japan) ,  Ohta Ken (NTT DOCOMO, Inc.,Research Laboratories,Yokosuka,Japan) ,  Mizuno Tadanori (Aichi Institute of Technology,Faculty of Information Science,Toyota,Japan) ,  Mineno Hiroshi (Shizuoka University,Graduate School of Integrated Science and Technology,Hamamatsu,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICOIN  ページ： 420-425  発行年： 2020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： モバイル通信の第5世代は,ネットワークスライシングと呼ばれる技術を用いてサービス要求に適したネットワークを提供することが期待されている。ネットワークスライシングにおいて,ネットワーク資源を分割して,サービスのためにスライスに割り当てた。無線アクセスネットワークスライシングは,エンドツーエンドネットワークスライシングのために不可欠である。無線アクセスネットワークの状態はモーメントからモーメントに変化し,ネットワークスライシングの自動制御は実時間でサービス要求に応答する必要がある。自動制御は,試行錯誤を繰り返すことにより最適制御を学習できる深い強化学習を用いて適用される。本論文では,深い強化学習を用いてスライス数に関係なくサービス要件を満たす無線資源を割り当てる方法を提案した。提案方法は,1つのスライスの状態を観察することによって複数のスライスを柔軟に制御して,1つのスライス多重時間を制御するモデルを呼ぶ。提案した方法を,スライス数が時間とともに変化するシナリオを用いたシミュレーションにより評価した。評価の結果は,スライス数の変化が,他のスライスによって影響されることなく,スライス要件のほぼ完全な満足を達成することを示した。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： *ネットワーク ,  モーメント ,  多重化 ,  エンドツーエンド方式 ,  *強化学習 ,  移動通信 ,  最適制御 ,  自動制御 ,  深層強化学習
準シソーラス用語： 実時間 ,  無線アクセスネットワーク ,  ネットワーク資源 ,  *スライシング , 【Automatic Indexing@JST】

分類 (5件)： 専用演算制御装置  (JC04030Y) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E) ,  医用画像処理  (JE04020T) ,  符号理論  (ND02030R)

タイトルに関連する用語 (3件)： 深層強化学習 ,  スライシング ,  無線リソース