記述ポリシーによるMDPベース動的スケジューリングのためのシステム-アグノスティックMeta学習【JST・京大機械翻訳】

Lee Hyun-Suk

プレプリント

J-GLOBAL ID：202202209019222447 整理番号：22P0276211

記述ポリシーによるMDPベース動的スケジューリングのためのシステム-アグノスティックMeta学習【JST・京大機械翻訳】

System-Agnostic Meta-Learning for MDP-based Dynamic Scheduling via Descriptive Policy

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 (1件)：
資料名：
発行年： 2022年01月18日プレプリントサーバーでの情報更新日： 2022年01月24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)

動的スケジューリングは,待ち行列から無線ネットワークへのアプリケーションにおける重要な問題である。長期目標を達成するために,各時間ステップにおいて複数のスケジューリングアイテムの中でアイテムを選択する方法について述べた。動的スケジューリングのための従来のアプローチは,これらのアプローチからの政策が対応するシステム特性のみに使用できるように,特定のシステムに対する最適政策を見つける。したがって,システム特性が動的に変化する実際のシステムに対してそのようなアプローチを用いることは難しい。本論文では,同一タスク(動的スケジューリング)のための非セエンスシステム特性に適応するシステム診断能力を持つ,MDPベース動的スケジューリング,記述ポリシーのための新しいポリシー構造を提案した。この目的のために,記述ポリシーは,ナットシェルにおけるシステム診断スケジューリング原理を学習し,「アイテムの条件」はスケジューリングにおいてより高い優先度を持つべきである。スケジューリング原理を任意のシステムに適用することができ,1つのシステムで学習された記述政策を別のシステムに使用できる。簡単な説明と現実的な応用シナリオによる実験は,システム固有の従来の政策と比較して,非常に少ない性能劣化でシステム診断メタ学習を可能にすることを実証した。【JST・京大機械翻訳】

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

無線通信一般

, ,

前のページに戻る