文献

J-GLOBAL ID：202202277270612693   整理番号：22A1169622

5Gおよび6G品質サービス(QoS)を最適化するための連合深層学習エンパワー資源管理法【JST・京大機械翻訳】

A Federated Deep Learning Empowered Resource Management Method to Optimize 5G and 6G Quality of Services (QoS)

著者 (6件)： Alsulami Hemaid (Department of Industrial Engineering, Faculty of Engineering, King Abdulaziz University, Jeddah 21589, Saudi Arabia) ,  Serbaya Suhail H. (Department of Industrial Engineering, Faculty of Engineering, King Abdulaziz University, Jeddah 21589, Saudi Arabia) ,  Abualsauod Emad H. (Department of Industrial Engineering, College of Engineering, Taibah University, 41411, Madina Almonawara, Saudi Arabia) ,  Othman Asem Majed (Department of Industrial and Systems Engineering, College of Engineering, University of Jeddah, Jeddah 21959, Saudi Arabia) ,  Rizwan Ali (Department of Industrial Engineering, Faculty of Engineering, King Abdulaziz University, Jeddah 21589, Saudi Arabia) ,  Jalali Asadullah (American University of Afghanistan, Kabul, Afghanistan)
資料名： Wireless Communications & Mobile Computing  (Wireless Communications & Mobile Computing)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W1338A  ISSN： 1530-8669  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 5G/6G通信におけるサービス品質(QoS)は,ネットワークアーキテクチャの移動性と機敏性に大きく依存する。5G車両ネットワークの可能な使用の増加は,ネットワーク品質のサービス(QoS)の範囲を同時に拡張する。この目的のために,安全臨界リアルタイムシステムは車両ネットワークに対する最も要求されている基準の一つになった。異なる数学的および計算方法は,伝統的に資源の配分を最適化するために使用されてきたが,最適化問題の非凸性は,ユニークなタイプの課題を創り出す。近年,機械学習(ML)は,異種車両ネットワークにおける大量のデータを含む計算複雑度を扱うための貴重なツールとして浮上している。最適化と切断エッジ機械学習技術を用いて,本論文は,5G車両ネットワーク資源がネットワーク通信を強化するためにどのように割り当てられるかについての洞察を与えた。さらに,新しい洞察として,新しい連合深層強化学習(FDRL-)ベースの車両通信法を提案した。最後に,FDRLベースのUAVに基づくUAV支援車両通信システムを,サービスの5Gおよび6G品質を最適化するための新規資源管理技術として提案した。Copyright 2022 Hemaid Alsulami et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  最適化問題 ,  ネットワーク ,  臨界 ,  計算量 ,  通信 ,  通信方式 ,  実時間処理 ,  機械学習 ,  ネットワークアーキテクチャ
準シソーラス用語： サービス品質 ,  ネットワーク資源 ,  ネットワーク通信 ,  車両ネットワーク ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 移動通信  (ND08030H)

引用文献 (33件)：

• J. Navarro-Ortiz, P. Romero-Diaz, S. Sendra, P. Ameigeiras, P. Ameigeiras, P. Ameigeiras, P. Ameigeiras, P. Ameigeiras, P. Ameigeiras, J. Ramos-Munoz, J. M. Lopez-Soler, "A survey on 5G usage scenarios and traffic models," IEEE Communication Surveys and Tutorials, vol. 22, no. 2, pp. 905-929, 2020.
• S. A. A. Balamurugan, J. F. Lilian, S. Sasikala, "The future of India creeping up in building a smart city: intelligent traffic analysis platform," in the 2018 Second International Conference on Inventive Communication and Computational Technologies (ICICCT), pp. 518-523, Coimbatore, India, 2018.
• T. Huang, W. Yang, J. Wu, J. Ma, X. Zhang, D. Zhang, "A survey on green 6G network: architecture and technologies," IEEE Access, vol. 7, no. 7, pp. 175758-175768, 2019.
• M. Peters, W. Ketter, M. Saar-Tsechansky, J. Collins, "A reinforcement learning approach to autonomous decision-making in smart electricity markets," Machine Learning, vol. 92, no. 1, pp. 5-39, 2013.
• B. Kisacanin, "Deep learning for autonomous vehicles," in 2017 IEEE 47th International Symposium on Multiple-Valued (ISMVL), pp. 142, Novi Sad, Serbia, 2017.

タイトルに関連する用語 (8件)： 5G ,  6G ,  サービス ,  QOS ,  最適化 ,  深層学習 ,  パワー ,  資源管理