抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
高品質モバイルサービスと改善されたユーザ経験の緊急の必要性は,高容量モバイルネットワークシステムの開発を推進している。この目的を達成するために,超高密度ネットワーク(UDN)は,ネットワーク容量を著しく拡張する有望な解決策の一つとして広く考えられている。しかし,通信資源と単位面積当りのリンク数はUDN内で極端に高密度化されるため,UDNのための効率的で高品質なスケジューリングと資源割当は挑戦的になる。より悪い場合でも,UDNの複雑な環境は,UDNへの従来の割り当て方式の直接採用を制限する。本論文では,深い強化学習に基づくUDNのための効率的な資源割当てアルゴリズムを提案した。第1に,著者は二重Q学習に基づくセルラネットワークサーバにおける資源配分戦略を提示する。次に,著者は,冗長なモデル重みを剪定することによってアルゴリズムを最適化して,計算複雑性と性能の間のトレードオフを作成して,低い待ち時間と限られたコンピューティングコストの要求を満たす。実験とシミュレーション結果は,剪定アルゴリズムが50%のモデルパラメータを効果的に減らすことを示した。UDN割当て性能は,提案アルゴリズムが最大50%の計算量を節約するので,まだ許容できる。Copyright 2022 Zhou Ye. Translated from English into Japanese by JST.【JST・京大機械翻訳】