文献

J-GLOBAL ID：202102219809011797   整理番号：21A0009723

遅延制約ALOHAとCSMAの比較:学習ベース低複雑度近似アプローチ【JST・京大機械翻訳】

Comparing Delay-Constrained ALOHA and CSMA: A Learning-Based Low-Complexity Approximate Approach

著者 (4件)： Yu Youzhi (Shenzhen University,College of Electronics and Information Engineering,China) ,  Deng Lei (Shenzhen University,College of Electronics and Information Engineering,China) ,  Zhang Yijin (Nanjing University of Science and Technology,School of Electronic and Optical Engineering,China) ,  Han Yunghsiang S. (Dongguan University of Technology,School of Electrical Engineering & Intelligentization,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCA  ページ： 1346-1353  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： 遅延制約付きトラヒックは,マルチメディア通信システム,触覚インターネット,ネットワーク化制御システム,およびサイバー物理システムなどでますます重要になり,遅延制約トラヒックにおいて,各パケットはハードデッドラインの前に配信されないので,ハードデッドラインが不要となり,システムから除去される。この特徴は,従来の遅延非制約トラフィックのものと完全に異なり,ネットワークプロトコル設計に新しい挑戦をもたらす。本論文では,遅延制約無線通信に焦点を当てた。多くの研究は,ダウンリンクにおける集中スケジューリングポリシーを設計し,一方,いくつかの研究は,遅延制約トラフィックのためのアップリンクにおける分散無線アクセスプロトコルを調査した。本研究では,広く用いられている(スロット)ALOHAとCSMA無線アクセスプロトコルを,新しい遅延制約設定の下で研究した。目標は,異なるシステム設定のための遅延制約ALOHAとCSMAを比較し,プロトコル選択に関するネットワークオペレータガイドラインを与えることである。2つのMarkov連鎖を用いて,遅延制約ALOHAとCSMAをそれぞれ解析した。しかし,Markov連鎖の数は,ネットワーク中のユーザ数に関して指数関数的に増加する。従って,小規模ネットワークに対する遅延制約ALOHAとCSMAの正確な性能を比較することができた。次元のurseに対処するために,著者らは,単一ユーザパラメータ化ALOHA(resp.CSMA)システムを設計し,そこでは,パラメータを学習して,元のマルチユーザALOHA(resp.CSMA)システムを近似した。小規模ネットワークを用いて,最良パラメータを学習し,次に,大規模ネットワークにおける遅延制約ALOHAとCSMAの近似性能を比較するために,低複雑性アプローチを適用した。最後に,遅延制約設定において,ALOHA(resp.CSMA)がCSMA(resp.ALOHA)より優れている条件を明らかにした。Copyright 2021 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： *学習 ,  触覚 ,  オペレータ ,  ネットワーク ,  指数関数 ,  Markov連鎖 ,  *近似法 ,  時間制限 ,  無線伝送 ,  パケット ,  インターネット
準シソーラス用語： マルチユーザ ,  ダウンリンク ,  アップリンク ,  大規模ネットワーク , 【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 (5件)： 遅延制約 ,  CSMA ,  学習 ,  複雑度 ,  近似アプローチ