文献

J-GLOBAL ID：202202246269281185   整理番号：22A1086385

6G環境における衛星/地上複合ネットワークのための集中化および分散強化学習によるネットワークスライシング【JST・京大機械翻訳】

Network Slicing with Centralized and Distributed Reinforcement Learning for Combined Satellite/Ground Networks in a 6G Environment

著者 (2件)： Rodrigues Tiago Koketsu (Tohoku University,Japan) ,  Kato Nei (Tohoku University,Japan)
資料名： IEEE Wireless Communications  (IEEE Wireless Communications)
巻： 29  号： 1  ページ： 104-110  発行年： 2022年 
JST資料番号： W0577A  ISSN： 1536-1284  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： 5Gと6Gネットワークを超える目標のために,あらゆるどこでもアクセスを維持することは不可欠であり,高い信頼性で低い待ち時間を提供する。そのような目標を達成するために,衛星ネットワークは,地上インフラストラクチャのない遠隔地でもネットワークカバレッジを助成する機器技術であり,地上ネットワークが作業負荷で混雑しているとき,オフロードオプションを提供する。しかし,効率的な実装のために,宇宙衛星システムを取り囲む特定の特性だけでなく,地上と衛星ネットワークの共同資源配分を含む課題も考慮することが重要であった。これを助けるために,著者らは,各新しい入力ユーザ要求のための特定の資源を選択し,保存するためのネットワークスライシングの使用を提案した。これらの資源は,ユーザ要求のパターンを学習する機械学習ベース技術を通して選択され,どの経路がより頻繁に要求されている。これらのネットワーク経路は,他のオプションがない場合に割り当てられるように,より高いコストを与える。シミュレーションは,この戦略が資源配分においてより高い効率をもたらし,システムがより高い数のユーザを果たすことを可能にすることを示した。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： 効率 ,  *学習 ,  システム ,  *ネットワーク ,  装置 ,  分散強化 ,  資源割付 ,  待ち時間 ,  集中化 ,  利用者 ,  インフラストラクチャー ,  宇宙空間 ,  機械学習
準シソーラス用語： 高信頼性 ,  遠隔地 , 【Automatic Indexing@JST】

分類 (1件)： 移動通信  (ND08030H)

タイトルに関連する用語 (8件)： 6G ,  環境 ,  衛星 ,  地上 ,  集中化 ,  分散強化 ,  学習 ,  スライシング