論文の概要: Machine Learning for Predictive Deployment of UAVs with Multiple Access

• arxiv url: http://arxiv.org/abs/2003.02631v2
• Date: Thu, 30 Jul 2020 13:21:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-27 04:47:24.598339
• Title: Machine Learning for Predictive Deployment of UAVs with Multiple Access
• Title（参考訳）: 複数アクセスによるUAVの予測展開のための機械学習
• Authors: Linyan Lu and Zhaohui Yang and Mingzhe Chen and Zelin Zang and Mohammad Shikh-Bahaei
• Abstract要約: 本稿では無人航空機(UAV)の機械学習展開フレームワークについて検討する。 時間的なトラフィック分布のため、将来的なセルトラフィックを予測するために、LSTM(Long Short-term memory)ベースの予測が導入される。 提案手法は従来手法と比較して消費電力の最大24%を削減できる。
• 参考スコア（独自算出の注目度）: 37.49465317156625
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, a machine learning based deployment framework of unmanned aerial vehicles (UAVs) is studied. In the considered model, UAVs are deployed as flying base stations (BS) to offload heavy traffic from ground BSs. Due to time-varying traffic distribution, a long short-term memory (LSTM) based prediction algorithm is introduced to predict the future cellular traffic. To predict the user service distribution, a KEG algorithm, which is a joint K-means and expectation maximization (EM) algorithm based on Gaussian mixture model (GMM), is proposed for determining the service area of each UAV. Based on the predicted traffic, the optimal UAV positions are derived and three multi-access techniques are compared so as to minimize the total transmit power. Simulation results show that the proposed method can reduce up to 24\% of the total power consumption compared to the conventional method without traffic prediction. Besides, rate splitting multiple access (RSMA) has the lower required transmit power compared to frequency domain multiple access (FDMA) and time domain multiple access (TDMA).
• Abstract（参考訳）: 本稿では,無人航空機(UAV)の機械学習に基づく展開フレームワークについて検討する。 検討されたモデルでは、UAVは地上のBSから大量のトラフィックを降ろすために飛行基地局(BS)として展開される。 経時的トラヒック分布のため、将来のセルトラフィックを予測するためにlong short-term memory (lstm) ベースの予測アルゴリズムが導入された。 ユーザサービス分布を予測するために,ガウス混合モデル(GMM)に基づく共同K平均および期待最大化(EM)アルゴリズムであるKEGアルゴリズムを提案し,各UAVのサービス領域を決定する。 予測トラフィックに基づいて、最適uav位置を導出し、全送信電力を最小化するために3つのマルチアクセス技術を比較する。 シミュレーションの結果,提案手法はトラヒック予測のない従来手法と比較して最大24倍の消費電力を削減できることがわかった。 また、レート分割多重アクセス(rsma)は周波数領域多重アクセス(fdma)と時間領域多重アクセス(tdma)と比較して所要の送信電力が低い。

関連論文リスト

• Covert Multicast in UAV-Enabled Wireless Communication Systems With One-hop and Two-hop Strategies [8.702721247072429]
  無人航空機(UAV)による無線通信システムにおける隠蔽マルチキャストの時間について検討する。 本稿では,1つの(OH)パーティクルスワム(PSO)に基づくアルゴリズムと,送信方式とTH方式の性能モデリングのための網羅的なフレームワークを提案する。 提案したPSOアルゴリズムの効率は、広範囲な数値的な結果によって検証される。
  論文  参考訳（メタデータ） (2024-10-16T06:46:30Z)
• Traffic Learning and Proactive UAV Trajectory Planning for Data Uplink in Markovian IoT Models [6.49537221266081]
  IoTネットワークでは、従来のリソース管理スキームはデバイスと基地局の間のメッセージ交換に依存している。 マルコフイベントに基づくIoTデバイスのトラフィック到着を推定する,新たな学習ベースのフレームワークを提案する。 本稿では,各UAVの最適方針を最適化する深層強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-24T21:57:55Z)
• A Learning-Based Fast Uplink Grant for Massive IoT via Support Vector Machines and Long Short-Term Memory [8.864453148536057]
  3IoTは、レイテンシを低減し、スマートインターネット・オブ・シング(mMTC)アプリケーションの信頼性を高めるために、高速アップリンク・アロケーション(FUG)を使用する必要性を導入した。 サポートマシンスケジューラ(SVM)に基づく新しいFUGアロケーションを提案する。 第2に、LSTMアーキテクチャは、予測エラーを克服するためにトラフィック予測と補正技術に使用される。
  論文  参考訳（メタデータ） (2021-08-02T11:33:02Z)
• Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
  CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。 最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
  論文  参考訳（メタデータ） (2021-02-05T19:57:47Z)
• Distributed Conditional Generative Adversarial Networks (GANs) for Data-Driven Millimeter Wave Communications in UAV Networks [116.94802388688653]
  無人航空機(UAV)無線ネットワークにおけるミリ波(mmWave)通信のための,データ駆動型空対地(A2G)チャネル推定手法を提案する。 実効的なチャネル推定手法を開発し、各UAVは、各ビームフォーミング方向に沿って条件付き生成対向ネットワーク(CGAN)を介してスタンドアロンチャネルモデルを訓練することができる。 分散CGANアーキテクチャに基づく協調的なフレームワークを開発し、各UAVがmmWaveチャネルの分布を協調的に学習できるようにする。
  論文  参考訳（メタデータ） (2021-02-02T20:56:46Z)
• Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for Cellular Offloading [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T20:22:05Z)
• NOMA in UAV-aided cellular offloading: A machine learning approach [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T17:38:48Z)
• Federated Learning in the Sky: Joint Power Allocation and Scheduling with UAV Swarms [98.78553146823829]
  無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。 本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T14:04:01Z)

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。