文献

J-GLOBAL ID：202002258024244240   整理番号：20A1363055

Camera画像と深層強化学習を用いた先行性能予測によるミリ波ネットワークのためのハンドオーバ管理【JST・京大機械翻訳】

Handover Management for mmWave Networks With Proactive Performance Prediction Using Camera Images and Deep Reinforcement Learning

著者 (5件)： Koda Yusuke (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Nakashima Kota (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Yamamoto Koji (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Nishio Takayuki (Graduate School of Informatics, Kyoto University, Kyoto, Japan) ,  Morikura Masahiro (Graduate School of Informatics, Kyoto University, Kyoto, Japan)
資料名： IEEE Transactions on Cognitive Communications and Networking  (IEEE Transactions on Cognitive Communications and Networking)
巻： 6  号： 2  ページ： 802-816  発行年： 2020年 
JST資料番号： W2454A  ISSN： 2332-7731  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： ミリ波ネットワークに対して,本論文では,ハンドオーバ決定問題における時間分割カメラ画像のレバレッジのためのパラダイムシフトを示した。ハンドオーバ決定を行う一方で,将来の長期性能,例えば,時間変化データレートの累積和を,筋書き決定の回避を避けるために,積極的に予測することは,重要である。しかし,本研究では,受信電力の時間変動が,移動障害物によって引き起こされるデータ速度の急速な劣化を積極的に予測するために必ずしも有益ではないことを,実験的に知った。この課題を克服するために,本研究では,ハンドオーバタイミングが最適化される先行フレームワークを提案し,劣化が起こる前に障害物起因データレート劣化を予測した。重要なアイデアは,そのようなデータ速度劣化を予測するための有益な特徴を含む,時間分割カメラ画像を含む状態空間を拡張することである。拡張状態空間の大きな次元を扱うことの困難さを克服するために,ハンドオーバタイミングを決定するために,深い強化学習を用いた。実験的に得られたカメラ画像と受信電力に基づいて行った評価は,拡張状態空間が(i)劣化が起こる前の500msから障害物起因データ速度劣化の予測と,(ii)状態空間拡張のないハンドオーバフレームワークへの優れた性能を,促進することを実証した。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： 最適化 ,  決定問題 ,  *ネットワーク ,  経時変化 ,  写真像 ,  時分割処理 ,  *EHF波 ,  *強化学習 ,  *ハンドオーバ
準シソーラス用語： データレート ,  性能予測 ,  状態空間 ,  受信電力 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層強化学習 ,  性能予測 ,  ミリ波 ,  ハンドオーバ