文献

J-GLOBAL ID：202102267594773106   整理番号：21A0674227

モバイルモノのインターネットのための自律レート制御:深層強化学習アプローチ【JST・京大機械翻訳】

Autonomous Rate Control for Mobile Internet of Things: A Deep Reinforcement Learning Approach

著者 (7件)： Xu Wenchao (Caritas Institute of Higher Education,School of Computing and Information Sciences,Hong Kong,China) ,  Zhou Haibo (Nanjing University,School of Electronic Science and Engineering,Nanjing,China) ,  Cheng Nan (Engineering Xidian University,School of Telecom,Shanxi,China) ,  Lu Ning (Queen’s University,Department of Electrical and Computer Engineering,Kingston,Canada) ,  Xu Lijuan (Engineering Xidian University,School of Telecom,Shanxi,China) ,  Qin Meng (Peng Cheng Laboratory,Shenzhen,China) ,  Guo Song (The Hong Kong Polytechnic University,Department of Computing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： VTC2020-Fall  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： モバイルセンサとスマートデバイスのユビキタス配置により,インターネット(IoT)の範囲がモバイルネットワークの空間に拡張され,そこではIoT端末が建物,地上インフラストラクチャなどに固定される代わりに移動している。本論文では,そのようなモバイルインターネット(MIoT)を考察し,MIoT端末からアクセスステーションまでのアップリンク伝送のための自律レート制御(RC)方式を提案した。深い強化学習(DRL)ベースのアプローチを,リンクのチャネル変動を捕え,各エグレスフレームに対するレート選択の有効性を改善するために設計した。車両とUAVを含むMIoT端末に対して大規模なシミュレーションを行い,DRL-RCアルゴリズムのロバスト性とスケーラビリティと同様に,従来の方法と比較して顕著なスループット性能改善を示した。提案したDRL-RCは,MIoT端末のための効率的でスケーラブルなリンク適応方式のためのインスピレーションを提供できる。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： アルゴリズム ,  端末装置 ,  スループット ,  インフラストラクチャー ,  ロバスト性 ,  *携帯電話 ,  *インターネット ,  *強化学習
準シソーラス用語： 自律性 ,  モバイルネットワーク ,  モバイルインターネット ,  アップリンク ,  モバイルセンサー ,  *モノのインターネット ,  スマートデバイス , 【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)： モバイル ,  インターネット ,  自律 ,  レート制御 ,  深層強化学習