文献

J-GLOBAL ID：202002255853725842   整理番号：20A0266178

無線システムのためのモバイルインテリジェンスのマイニング:ディープニューラルネットワークアプローチ【JST・京大機械翻訳】

Mining Mobile Intelligence for Wireless Systems: A Deep Neural Network Approach

著者 (3件)： Hu Han (Information and Electronics, Beijing Institute of Technology, China) ,  Liu Zhi (Engineering, Shizuoka University, Japan) ,  An Jianping (Information and Electronics, Beijing Institute of Technology, China)
資料名： IEEE Computational Intelligence Magazine  (IEEE Computational Intelligence Magazine)
巻： 15  号： 1  ページ： 24-31  発行年： 2020年 
JST資料番号： W1564A  ISSN： 1556-603X  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： 無線大規模データは,ユーザの行動と選択に関する価値ある情報を含み,それは無線システムのための設計と最適化を駆動することができる。基本的な問題は,モバイルインテリジェンスをどのようにマイニングするか,さらに無線システムにそれらを組み込むことである。この目的のために,本論文は,大規模なデータベースの無線システム設計と最適化に関する2つの課題について議論して,Deepニューラルネットワーク(DNNs)とオンライン学習技術の助けを借りてそれらに取り組むために統一されたフレームワークを提案した。特に,埋め込み層を組み込むことによりDNNアーキテクチャを提案し,潜在空間に異なるタイプの生データを投影し,移動アクセスパターンを予測するために回帰または分類関数を利用した。それは,最良の伝統的機械学習アルゴリズム(76%対63%)より著しく優れている。さらに,提案したDNNアーキテクチャをオンライン学習技術と組み合わせて,ビデオ適応とビデオプリフェッチングを含む無線ビデオ応用のためのモバイルインテリジェンスを適用する方法に関する2つの事例を示した。前者の事例では,提案したDNN法を利用して,基地局の範囲内でユーザ数の動力学を予測し,ビデオストリーミングに対するビットレートを適応的に調整し,ビデオ監視経験を改善した。後者では,提案した方法を利用して,ユーザの軌跡,すなわち関連基地局を予測し,アクセス待ち時間を低減するためにコンテンツプリフェッチングを行った。実際の無線データセットによる性能評価により,知覚ビデオQoEとキャッシュヒット率が大幅に改善されることを示した(それぞれ,0.7dbと25%)。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： 性能評価 ,  録画装置 ,  最適化 ,  待ち時間 ,  基地局 ,  データベース ,  軌跡 ,  *携帯電話 ,  *ニューラルネットワーク ,  学習アルゴリズム ,  計算機アーキテクチャ
準シソーラス用語： 体感品質 ,  オンライン学習 ,  *ワイヤレス ,  *無線システム , 【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)： 無線システム ,  モバイル ,  インテリジェンス