文献

J-GLOBAL ID：202202277660859144   整理番号：22A0446515

深層強化学習を用いたセルラネットワークのためのQoSを意識したスケジューリング【JST・京大機械翻訳】

QoS-Aware Scheduling for Cellular Networks Using Deep Reinforcement Learning

著者 (3件)： Malin Jonathan Robert (Yonsei University, Seoul, Republic of Korea) ,  Ko Gun (Yonsei University, Seoul, Republic of Korea) ,  Ro Won Woo (Yonsei University, Seoul, Republic of Korea)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13152  ページ： 105-117  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究は,モバイルネットワークにおけるQoS要求満足度を最大化するための粗粒決定を提供する強化学習(RL)アプローチを提示する。深層強化学習は, imp雑な複雑なシステムのダイナミクスを捉えることができるエージェントを実証した。各スケジューリング間隔において,このRLエージェントは,モバイルネットワークにおける最適資源配分に適したスケジューリングポリシーを提供する。行動値関数(Q関数)を近似するために深層ニューラルネットワークを用いることにより,スケジューリング決定を最適政策を用いて行うことができた。4G-LTEネットワークシミュレータとPytochを利用して,本研究は多様な交通とUE密度の3つのシナリオを探究した。実装は,ベースラインの静的スケジューラと比較して,安定で効果的な性能を示した。さらに,RLエージェントは,単一および混合トラフィックシミュレーションの両方に対して最適スケジューラを選択した。スケーラブルで安価に計算するために,実装は無線資源管理の簡単で効果的な方法を提供する。Copyright IFIP International Federation for Information Processing 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *スケジューリング ,  *ネットワーク ,  基準線 ,  エージェント ,  *強化学習
準シソーラス用語： Q関数 ,  ネットワークシミュレータ ,  モバイルネットワーク ,  スケジューラ ,  *セルラーネットワーク ,  無線リソース管理 ,  *深層強化学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： ネットワークスケジューリング ,  深層強化学習 ,  資源スケジューリング

分類 (3件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 深層強化学習 ,  セルラネットワーク ,  QOS ,  意識 ,  スケジューリング