文献

J-GLOBAL ID：202102225330211381   整理番号：21A0891509

適応RANのためのアンサンブル学習法ベースのスライス許可制御【JST・京大機械翻訳】

Ensemble Learning Method-Based Slice Admission Control for Adaptive RAN

著者 (5件)： II Moon Seung (KDDI Research, Inc,Fujimino-shi,Saitama,Japan,356-8502) ,  Hirayama Haruhisa (KDDI Research, Inc,Fujimino-shi,Saitama,Japan,356-8502) ,  Tsukamoto Yu (KDDI Research, Inc,Fujimino-shi,Saitama,Japan,356-8502) ,  Nanba Shinobu (KDDI Research, Inc,Fujimino-shi,Saitama,Japan,356-8502) ,  Shinbo Hiroyuki (KDDI Research, Inc,Fujimino-shi,Saitama,Japan,356-8502)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： GC Wkshps  ページ： 1-6  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： 将来の5Gシステムは,低待ち時間,高信頼性,高容量の性能目標を持つ追加の多様なサービスをサポートすることが期待される。高度5Gシステムと呼ばれる通信サービスをサポートするための適応無線アクセスネットワーク(RAN)システムを提案した。RANスライスは,RANにおいて別々に多様なサービスを提供できる論理的ネットワークとして定義される。適応RANでは,RANスライスのための効率的なスライス受付制御(SAC)方式が必要である。最近,5G RANスライシング環境における効率的なスライス資源管理とSACを容易にするための機械学習(ML)の適用に関する研究が議論されている。しかし,深い強化学習フレームワーク(DRLF)に基づく既存のSAC方式のための訓練時間は,許容できるレベルの性能を達成するために長すぎる。学習に長時間を要するので,運転期間の初期段階において十分な性能を保証することは難しい。本論文では,学習時間を減らし,適応RANの性能を改善するために,アンサンブル学習法(ELM)に基づくSACを提案した。資源ブロック(RBs)の改善された利用のためのELMによる評価は,提案した方式が他の手法より優れていることを示した。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： *待ち時間 ,  通信サービス ,  機械学習 ,  強化学習 ,  資源管理
準シソーラス用語： *アンサンブル学習 ,  受付制御 ,  学習時間 ,  高信頼性 ,  無線アクセスネットワーク ,  第5世代移動通信システム , 【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)： 適応 ,  Ran ,  アンサンブル ,  スライス ,  許可