文献

J-GLOBAL ID：202002281584727483   整理番号：20A2618856

D2D可能セルラネットワークにおける可変次元のための深層学習ベースのリソース割当アルゴリズム【JST・京大機械翻訳】

A Deep Learning based Resource Allocation Algorithm for Variable Dimensions in D2D-Enabled Cellular Networks

著者 (2件)： Pei Errong (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications,Chongqing,china) ,  Yang Guangcai (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications,Chongqing,china)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCC  ページ： 277-282  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： 最適化アルゴリズムは,資源配分問題において重要な役割を果たす。しかし,このアルゴリズムは,高い複雑性のため,実際に適用が困難である。したがって,いくつかの深いニューラルネットワーク(DNN)は,従来のアルゴリズムに接近するために提案して,それはリアルタイム資源配分を実現することができた。しかし,DNNは不変次元のために設計されている。したがって,可変次元の下のニューラルネットワークが伝統的アルゴリズムにまだアプローチできるかどうかは,不明のままである。さらに,可変次元のためにニューラルネットワークを訓練する方法はまだ不明である。本研究では,可変D2Dペアのための深層学習ベース電力制御スキームを提案し,そこでは低次元入力をゼロパディングにより前処理し,いくつかのハイブリッド訓練法を提案した。多数の実験シミュレーションを通して,前処理方法は,新しい干渉を導入することなく,可変次元問題をより良く扱うことができることを証明した。異なる次元データによって訓練された完全接続DNNは,従来のアルゴリズムに最も近いことを証明した。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： *アルゴリズム ,  シミュレーション ,  電力 ,  最適化手法 ,  前処理 ,  ニューラルネットワーク ,  *資源割付 ,  制御手順 ,  パッド
準シソーラス用語： 複雑性 ,  実時間 ,  *セルラーネットワーク ,  低次元 ,  *深層学習 ,  *D2D , 【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 (6件)： D2D ,  セルラネットワーク ,  次元 ,  深層学習 ,  リソース割当 ,  アルゴリズム