文献

J-GLOBAL ID：202202241962002267   整理番号：22A0559946

HAPによるMEC強化空中サービスネットワーク:深層強化学習アプローチ【JST・京大機械翻訳】

MEC-Enhanced Aerial Serving Networks via HAP: A Deep Reinforcement Learning Approach

著者 (6件)： Truong Thanh Phung (Chung-Ang University,>School of Computer Science and Engineering,Seoul,Republic of Korea) ,  Tran Anh-Tien (Chung-Ang University,>School of Computer Science and Engineering,Seoul,Republic of Korea) ,  Nguyen Thi My Tuyen (Chung-Ang University,>School of Computer Science and Engineering,Seoul,Republic of Korea) ,  Nguyen The-Vi (Chung-Ang University,>School of Computer Science and Engineering,Seoul,Republic of Korea) ,  Masood Arooj (Chung-Ang University,>School of Computer Science and Engineering,Seoul,Republic of Korea) ,  Cho Sungrae (Chung-Ang University,>School of Computer Science and Engineering,Seoul,Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICOIN  ページ： 319-323  発行年： 2022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： 次世代通信ネットワークは,地球ベースステーションが開発するのが困難か不可能であった,農村地域,災害地域などでも,地球規模の連結性をもたらす傾向がある。この理由のために,空中プラットフォームは将来のネットワークのための強制的技術と考えられ,そこでは空中車両が空からアクセスポイントとして作用する。本論文では,ドローン,無人航空機(UAV)などの空中車両が,地上基地局を持たない遠隔地を果たすために空に飛行する,移動エッジコンピューティング(MEC)強化空中サービスネットワークシナリオを研究した。さらに,計算サーバを備えた高高度プラットフォーム(HAP)は,システムの性能を高めるモバイルエッジコンピューティング(MEC)の役割を果たす。このシナリオにおいて,著者らは,航空機がオフロード目的地とオフローディング速度を選ぶように決定して,タスクを完了する全コスト関数を最小化するために,部分的オフロード方式を考察した。ネットワークダイナミックスを考慮して,問題を表現するために深い強化学習(DRL)フレームワークを使用し,HAMECと名付けた深い決定論的ポリシー勾配(DDPG)ベースのアルゴリズムを提案して,問題を解決した。実験結果は,HAMECがベンチマーク方式より優れていることを証明した。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： アルゴリズム ,  航空機 ,  通信網 ,  *ネットワーク ,  地球 ,  費用関数 ,  基地局 ,  端局 ,  無人機 ,  連結性 ,  農業地区 ,  ベンチマーク ,  *強化学習
準シソーラス用語： オフローディング ,  エッジコンピューティング , 【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 (4件)： MEC ,  強化 ,  サービス ,  深層強化学習