文献

J-GLOBAL ID：202202228449823474   整理番号：22A0848743

深いEcho状態Q-ネットワーク(DEQN)と5Gおよびそれ以上の動的スペクトル共有におけるその応用【JST・京大機械翻訳】

Deep Echo State Q-Network (DEQN) and Its Application in Dynamic Spectrum Sharing for 5G and Beyond

著者 (3件)： Chang Hao-Hsuan (Bradley Department of Electrical and Computer Engineering, Virginia Tech, Blacksburg, VA, USA) ,  Liu Lingjia (Bradley Department of Electrical and Computer Engineering, Virginia Tech, Blacksburg, VA, USA) ,  Yi Yang (Bradley Department of Electrical and Computer Engineering, Virginia Tech, Blacksburg, VA, USA)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 33  号： 3  ページ： 929-939  発行年： 2022年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 深層強化学習(DRL)は多くの応用分野で成功していることが示されている。リカレントニューラルネットワーク(RNN)とDRLの併用は,さらにDRLを,時間的情報を捉えることによって,非Markov環境において適用可能である。しかしながら,DRLとRNNの両方の訓練は,収束を達成するために大量の訓練データを必要とするのが挑戦的であることが知られている。第5世代(5G)セル通信で使用されるもののような多くの標的アプリケーションにおいて,環境は非常に動的であるが,利用可能な訓練データは非常に限られている。したがって,限られた訓練オーバヘッドを必要とする動的環境の時間相関を捉えることができるDRL戦略を開発することは非常に重要である。本論文では,限られた訓練データで短時間で高度に動的な環境に適応できる深いエコー状態Qネットワーク(DEQN)を導入した。動的スペクトル共有(DSS)シナリオの下で導入したDEQN法の性能を評価し,それは5Gと将来の6Gネットワークで有望な技術であり,スペクトル利用を増加させる。専用アクセスのための単一システムに固定スペクトルバンドを付与する従来のスペクトル管理政策と比較して,DSSは二次システムを可能にして,一次システムとスペクトルを共有する。本研究は,限られた利用可能な訓練データを有する高度に動的な環境における効率的なDRLフレームワークの応用に光を当てた。Copyright 2022 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： 時間 ,  管理 ,  *ネットワーク ,  信号 ,  相関 ,  *スペクトル ,  通信 ,  応用プログラム ,  スペクトルバンド ,  神経回路網
準シソーラス用語： 訓練データ ,  リカレントニューラルネットワーク ,  オーバヘッド ,  時間相関 ,  動的環境 ,  *スペクトル共用 ,  スペクトル管理 ,  *第5世代移動通信システム , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 5G ,  スペクトル共有 ,  応用