FALCON:オフラインおよびオンライン学習を用いた高速で正確なマルチパススケジューリング【JST・京大機械翻訳】

Wu Hongjia; Alay Ozgu; Brunstrom Anna; Caso Giuseppe; Ferlin Simone

プレプリント

J-GLOBAL ID：202202213530129029 整理番号：22P0278129

FALCON:オフラインおよびオンライン学習を用いた高速で正確なマルチパススケジューリング【JST・京大機械翻訳】

FALCON: Fast and Accurate Multipath Scheduling using Offline and Online Learning

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 (5件)： , , , ,
資料名：
発行年： 2022年01月22日プレプリントサーバーでの情報更新日： 2022年01月22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)

マルチパス輸送プロトコルは,異なるネットワーク経路の同時使用を可能にし,高速で信頼性のあるデータ伝送に利益を与える。マルチパス輸送プロトコルのスケジューラは,異なる経路でデータパケットをどのように配布するかを決定する。既存のマルチパススケジューラは,あらかじめ定義されたポリシーまたはオンライン訓練されたポリシーに適合する。第5世代(5G)ネットワークおよび無線ローカルエリアネットワーク(WLAN)におけるミリ波(mmWave)経路の採用は,時変ネットワーク条件を導入し,それの下で,既存のスケジューラは,高速かつ正確な適応を達成するのに苦労する。本論文では,時変ネットワーク条件に高速で正確に適応できる学習ベースのマルチパススケジューラであるFALCONを提案した。FALCONは,オフライン学習を用いて,粗粒ネットワーク条件を表現するメタモデルの集合を創造するメタラーニングのアイデア上に構築して,オンライン学習を用いて,そのような条件を扱うためのスケジューリングポリシーを導くために,現在の細粒ネットワーク条件に対する特定のモデルをブートストラップした。トレース駆動エミュレーション実験を用いて,FALCONは,静的およびモバイルネットワークにおいて,それぞれ,最高19.3%および23.6%まで,最良の最先端のスケジューラより優れていることを実証した。さらに,FALCONは,バルク転送やWebサービスのような異なるタイプのアプリケーションで作業するのに極めて柔軟であることを示した。さらに,FALCONは,他のすべての学習ベーススケジューラと比較して,はるかに速い適応時間を持ち,それらの最良と比較して,ほぼ8倍高速化に達した。最後に,FALCONが実際のネットワークの動的性に良く適応し,全ての他のスケジューラを一貫して凌駕する,実世界設定におけるエミュレーション結果を検証した。【JST・京大機械翻訳】

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

計算機網 , 無線通信一般

, , ,

前のページに戻る