スライスを意識したモビリティロバスト性最適化のための深層強化学習における知識移転【JST・京大機械翻訳】

Liao Qi; Hu Tianlun; Wellington Dan

プレプリント

J-GLOBAL ID：202202204152355016 整理番号：22P0299877

スライスを意識したモビリティロバスト性最適化のための深層強化学習における知識移転【JST・京大機械翻訳】

Knowledge Transfer in Deep Reinforcement Learning for Slice-Aware Mobility Robustness Optimization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月07日プレプリントサーバーでの情報更新日： 2022年03月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

自己組織化ネットワークにおけるレガシー移動度ロバスト性最適化(MRO)は,セル固有のハンドオーバパラメータを最適化することにより,ハンドオーバ性能の改善を目的とする。しかし,そのような解決策は,受信信号強度を保証するだけでなく,スライスサービス品質を保証できないので,ネットワークスライシングによる次世代ネットワークのニーズを満たすことができない。真にシームレスな移動性サービスを提供するために,著者らは,スライス特異的ハンドオーバパラメータを最適化することによって,パースライスサービス保証によってハンドオーバ性能を改良する,深い強化学習ベースのスライス認識移動性ロバスト性最適化(SAMRO)方式を提案した。さらに,安全でサンプル効率的なオンライン訓練を可能にするために,2段階転送学習方式を開発した。1)正則化オフライン強化学習,2)混合経験による効果的なオンライン微調整。システムレベルシミュレーションは,レガシーMROアルゴリズムと比較して,SAMROがハンドオーバ性能を最適化しながら,スライス意識サービス継続を著しく改善することを示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

移動通信

, , , , , ,

前のページに戻る