文献

J-GLOBAL ID：202202271024219179   整理番号：22A0554580

深層学習によるIoTセルラネットワークのためのサブバンド割当と電力制御【JST・京大機械翻訳】

Sub-Band Assignment and Power Control for IoT Cellular Networks via Deep Learning

著者 (3件)： Kim Hyeon Woong (Department of Electronic Engineering, Kwangwoon University, Seoul, South Korea) ,  Park Hyun Jung (Department of Electronic Engineering, Kwangwoon University, Seoul, South Korea) ,  Chae Sung Ho (Department of Electronic Engineering, Kwangwoon University, Seoul, South Korea)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 8994-9003  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 最近,様々なインターネット(IoT)通信サービスが大きな注目を集めているので,多くのIoTデバイスの接続をサポートできる資源割当て方式の開発が次世代通信システムのための重要な課題となっている。この課題を動機として,著者らは,基地局がIoTユーザを果たすために複数のサブバンドを使用する,アップリンクIoTセルラネットワークにおける共同資源割当て問題のための深層学習ベースの最適化アルゴリズムを提案して,スペクトル漏洩のためにサブバンド干渉が存在する。特に,低複雑性のIoTユーザの達成可能な和率を最大化するために,サブバンド割当と送信電力制御を順次最適化する畳込みニューラルネットワーク(CNN)上に構築した2段階最適化法を開発した。さらに,ニューラルネットワーク構造に従って性能を調べるために,提案スキームを完全接続ニューラルネットワーク(FNN)により実装し,CNNベース方式と比較した。シミュレーション結果は,著者らの提案したCNNベースのアルゴリズムが,深い学習のない以前の方式と比較して,合計速度を著しく改善し,必要な計算時間を減らすことを示した。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： アルゴリズム ,  干渉 ,  最適化 ,  シミュレーション ,  *バンド構造 ,  リンク ,  ニューラルネットワーク ,  *電力制御 ,  資源割付 ,  基地局 ,  利用者 ,  インターネット ,  *機械学習
準シソーラス用語： アップリンク ,  *セルラーネットワーク ,  *サブバンド ,  *モノのインターネット ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 移動通信  (ND08030H)

タイトルに関連する用語 (6件)： 深層学習 ,  IoT ,  セルラネットワーク ,  サブバンド ,  割当 ,  電力制御