論文の概要: Artificial Intelligence Aided Next-Generation Networks Relying on UAVs

• arxiv url: http://arxiv.org/abs/2001.11958v1
• Date: Tue, 28 Jan 2020 15:10:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 02:31:49.467452
• Title: Artificial Intelligence Aided Next-Generation Networks Relying on UAVs
• Title（参考訳）: UAVを利用した次世代ネットワークを支援する人工知能
• Authors: Xiao Liu, Mingzhe Chen, Yuanwei Liu, Yue Chen, Shuguang Cui, and Lajos Hanzo
• Abstract要約: 動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。 AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。 AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
• 参考スコア（独自算出の注目度）: 140.42435857856455
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence (AI) assisted unmanned aerial vehicle (UAV) aided next-generation networking is proposed for dynamic environments. In the AI-enabled UAV-aided wireless networks (UAWN), multiple UAVs are employed as aerial base stations, which are capable of rapidly adapting to the dynamic environment by collecting information about the users' position and tele-traffic demands, learning from the environment and acting upon the feedback received from the users. Moreover, AI enables the interaction amongst a swarm of UAVs for cooperative optimization of the system. As a benefit of the AI framework, several challenges of conventional UAWN may be circumvented, leading to enhanced network performance, improved reliability and agile adaptivity. As a further benefit, dynamic trajectory design and resource allocation are demonstrated. Finally, potential research challenges and opportunities are discussed.
• Abstract（参考訳）: 動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。 AI対応UAV支援無線ネットワーク(UAWN)では、ユーザの位置やテレトラフィック要求に関する情報を収集し、環境から学び、ユーザから受け取ったフィードバックに基づいて行動することによって、動的環境に迅速に適応できる複数のUAVを航空基地局として採用している。 さらに、AIはシステムの協調最適化のためのUAV群間の相互作用を可能にする。 AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。 さらなる利点として、動的軌道設計と資源配分が示される。 最後に、潜在的研究課題と機会について論じる。

関連論文リスト

• The Future of Aerial Communications: A Survey of IRS-Enhanced UAV Communication Technologies [2.8002534443865987]
  Intelligent Reflecting Surfaces (IRS) と Unmanned Aerial Vehicles (UAVs) の出現は、無線通信分野における新たなベンチマークを設定している。 IRSは電磁波を操作するための画期的な能力を備えており、信号品質、ネットワーク効率、スペクトル利用の大幅な向上のための道を開いた。 UAVは、通信ネットワーク内の動的で汎用的な要素として出現し、従来の固定インフラが不足している地域では、高いモビリティとアクセスとカバー範囲の強化を実現している。
  論文  参考訳（メタデータ） (2024-06-02T09:58:53Z)
• Cooperative Cognitive Dynamic System in UAV Swarms: Reconfigurable Mechanism and Framework [80.39138462246034]
  UAVスワムの管理を最適化するための協調認知力学システム(CCDS)を提案する。 CCDSは階層的かつ協調的な制御構造であり、リアルタイムのデータ処理と意思決定を可能にする。 さらに、CCDSは、UAVスワムのタスクを効率的に割り当てるための生体模倣機構と統合することができる。
  論文  参考訳（メタデータ） (2024-05-18T12:45:00Z)
• Deep Reinforcement Learning Based Placement for Integrated Access Backhauling in UAV-Assisted Wireless Networks [6.895620511689995]
  本稿では, リアルタイムにUAV配置を最適化するために, 深部強化学習(DRL)を活用する新しい手法を提案する。 この取り組みの独特な貢献は、地上ユーザーとの堅牢な接続を保証するだけでなく、中央ネットワークインフラストラクチャとのシームレスな統合を維持するために、無人でUAVを配置できることにある。
  論文  参考訳（メタデータ） (2023-12-21T19:02:27Z)
• Towards On-Device AI and Blockchain for 6G enabled Agricultural Supply-chain Management [10.189149128814096]
  農業用サプライチェーン管理のための無人航空機(UAV)、AI、ブロックチェーンの組み合わせに基づくアーキテクチャを提案する。 完全な畳み込みニューラルネットワーク(FCN)モデルは、UAVが捉えた画像によるバイオマス推定に使用される。 6G対応ダイナミックUAVネットワークにおける飛行障害の影響を軽減するため,提案したモデル選択戦略は,実行時リソース要求に基づいて,UAVの更新を支援する。
  論文  参考訳（メタデータ） (2022-03-12T15:36:23Z)
• 5G Network on Wings: A Deep Reinforcement Learning Approach to the UAV-based Integrated Access and Backhaul [11.197456628712846]
  無人航空機(UAV)ベースの航空ネットワークは、高速で柔軟で信頼性の高い無線通信のための有望な代替手段を提供する。 本稿では,静的環境と動的環境の両方において,複数のUAV-BSを制御する方法について検討する。 複数のUAV-BSの3次元配置を協調的に最適化するために,深部強化学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-02-04T07:45:06Z)
• Networking of Internet of UAVs: Challenges and Intelligent Approaches [93.94905661009996]
  I-UAVネットワークは、QoS(Quality-of-Service)とQoE(Quality-of-Experience)の3つのカテゴリに分類される。 本稿では、これらの課題を詳細に分析し、I-UAVネットワーク問題に取り組むための対応するインテリジェントアプローチについて解説する。
  論文  参考訳（メタデータ） (2021-11-13T09:44:43Z)
• RIS-assisted UAV Communications for IoT with Wireless Power Transfer Using Deep Reinforcement Learning [75.677197535939]
  無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。 第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。 マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T23:55:44Z)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)
• Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
  無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。 人工知能(AI)は近年急速に成長し、成功している。 UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
  論文  参考訳（メタデータ） (2020-09-24T07:11:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。