文献

J-GLOBAL ID：202002283707898858   整理番号：20A2554753

強化学習に基づく干渉回避方式【JST・京大機械翻訳】

Interference Avoidance Scheme Based on Reinforcement Learning

著者 (4件)： Li Fuchang (Army Engineering University of PLA,Nanjing,China) ,  Shao Wei (Army Engineering University of PLA,Nanjing,China) ,  Zhou Qisen (Army Engineering University of PLA,Nanjing,China) ,  Zhao Jiaxing (Army Engineering University of PLA,Nanjing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICISCAE  ページ： 221-224  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： 本論文では,干渉に曝された通信ステーションに対する強化学習に基づく干渉回避方式を提案した。最初に,強化学習を通して最適チャネルハンドオフ戦略を得るための報酬関数として,信号対干渉雑音比平均意見スコア(SINR-MOS)を設計した。次に,干渉回避の2つの特定の方法をQ学習アルゴリズムを適用することによって提案して,それはこのステーションが干渉するとき,新しいアイドリングチャネルに切り替えることによって自動回避を可能にした。最後に,計算機シミュレーション実験によって,この方法が低誤検出率と誤警報率を持ち,良好な干渉回避性能を示した。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： アルゴリズム ,  計算機シミュレーション ,  アイドリング ,  *雑音発生防止 ,  通信 ,  チャネル ,  *強化学習
準シソーラス用語： SINR ,  Q学習 ,  誤警報率 ,  誤検出率 ,  報酬関数 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T) ,  NMR一般  (BM07041R)

タイトルに関連する用語 (2件)： 強化学習 ,  干渉回避