論文の概要: Age-Aware Status Update Control for Energy Harvesting IoT Sensors via Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2004.12684v1
• Date: Mon, 27 Apr 2020 10:01:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 04:45:20.636686
• Title: Age-Aware Status Update Control for Energy Harvesting IoT Sensors via Reinforcement Learning
• Title（参考訳）: 強化学習によるエネルギーハーベスティング型IoTセンサの経時的状態更新制御
• Authors: Mohammad Hatami, Mojtaba Jahandideh, Markus Leinonen and Marian Codreanu
• Abstract要約: 複数のユーザ,複数のエネルギー回収センサ,無線エッジノードを備えたIoTセンサネットワークについて検討する。 エッジノードには、各センサから最近受信した計測データを格納するキャッシュストレージがある。 本稿では,センサの正確なバッテリレベルを知らずに最適方針を求める,実用的な強化学習手法を提案する。
• 参考スコア（独自算出の注目度）: 16.069654911494766
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider an IoT sensing network with multiple users, multiple energy harvesting sensors, and a wireless edge node acting as a gateway between the users and sensors. The users request for updates about the value of physical processes, each of which is measured by one sensor. The edge node has a cache storage that stores the most recently received measurements from each sensor. Upon receiving a request, the edge node can either command the corresponding sensor to send a status update, or use the data in the cache. We aim to find the best action of the edge node to minimize the average long-term cost which trade-offs between the age of information and energy consumption. We propose a practical reinforcement learning approach that finds an optimal policy without knowing the exact battery levels of the sensors.
• Abstract（参考訳）: ユーザとセンサ間のゲートウェイとして機能する,複数のユーザ,複数のエネルギー回収センサ,ワイヤレスエッジノードを備えたIoTセンサネットワークを検討する。 ユーザは物理プロセスの価値に関する更新を要求し、それぞれが1つのセンサーで測定される。 エッジノードには、各センサから最近受信した計測データを格納するキャッシュストレージがある。 リクエストを受信すると、エッジノードは対応するセンサーにステータス更新を送信するように指示するか、キャッシュ内のデータを使用することができる。 我々は,情報時代とエネルギー消費のトレードオフが生じる平均的長期コストを最小化するために,エッジノードの最善の行動を見つけることを目的とする。 本稿では,センサの正確なバッテリレベルを知らずに最適方針を求める,実用的な強化学習手法を提案する。

関連論文リスト

• MSSIDD: A Benchmark for Multi-Sensor Denoising [55.41612200877861]
  我々は,マルチセンサSIDDデータセットという新しいベンチマークを導入する。これは,認知モデルのセンサ伝達性を評価するために設計された,最初の生ドメインデータセットである。 そこで本研究では,センサに不変な特徴を認知モデルで学習することのできるセンサ一貫性トレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-18T13:32:59Z)
• A Plug-in Tiny AI Module for Intelligent and Selective Sensor Data Transmission [10.174575604689391]
  本稿では、インテリジェントなデータ伝送機能を備えたセンシングフレームワークを実現するための新しいセンシングモジュールを提案する。 センサの近くに置かれる高効率機械学習モデルを統合する。 このモデルは,無関係な情報を破棄しながら,貴重なデータのみを送信するセンサシステムに対して,迅速なフィードバックを提供する。
  論文  参考訳（メタデータ） (2024-02-03T05:41:39Z)
• Sensor Placement for Learning in Flow Networks [6.680930089714339]
  本稿では,ネットワークのセンサ配置問題について検討する。 まず, 流れの保存仮定に基づいて問題を定式化し, 最適に固定されたセンサを配置することがNPハードであることを示す。 次に,大規模ネットワークにスケールするセンサ配置のための効率よく適応的なグリージーを提案する。
  論文  参考訳（メタデータ） (2023-12-12T01:08:08Z)
• Intelligent Communication Planning for Constrained Environmental IoT Sensing with Reinforcement Learning [19.715387333728152]
  モノのインターネット(IoT)デバイスは、しばしば電力制限を受け、帯域幅が限られている無線通信方式を利用する。 環境状態を追跡するIoTセンサの通信計画問題を定式化する。 本稿では,センサごとの最適な通信ポリシーを見つけるために,マルチエージェント強化学習(MARL)手法を提案する。
  論文  参考訳（メタデータ） (2023-08-19T22:59:09Z)
• A distributed neural network architecture for dynamic sensor selection with application to bandwidth-constrained body-sensor networks [53.022158485867536]
  ディープニューラルネットワーク(DNN)のための動的センサ選択手法を提案する。 データセット全体の固定選択ではなく、個々の入力サンプルに対して最適なセンササブセット選択を導出することができる。 無線センサネットワーク(WSN)の寿命を、各ノードの送信頻度に制約を加えることで、この動的選択をいかに利用できるかを示す。
  論文  参考訳（メタデータ） (2023-08-16T14:04:50Z)
• To Compute or not to Compute? Adaptive Smart Sensing in Resource-Constrained Edge Computing [1.7361161778148904]
  我々は,時間変化信号のサンプリングと基地局への更新をリモートグローバル監視のために送信するエッジコンピューティングアプリケーションのための,スマートセンサのネットワークを考察する。 センサーはセンサーと計算機能を備えており、生のデータを送信したり、送信前にオンボードで処理することができる。 計算と通信遅延の両方を埋め込んだ推定理論最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-05T23:46:42Z)
• A Deep Reinforcement Learning-based Adaptive Charging Policy for Wireless Rechargeable Sensor Networks [14.67786743033424]
  センサをエネルギ化するための信頼性の高いソリューションとして、ワイヤレス電力伝送技術が登場している。 深部強化学習(DRL)を用いた適応型充電方式を提案する。 我々のモデルはネットワークトポロジの自然変化に適応できる。
  論文  参考訳（メタデータ） (2022-08-16T16:10:52Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space [62.39318039798564]
  相関情報を利用するスケジューリング機構を提案する。 提案したメカニズムは、センサが更新を送信する頻度を決定することができる。 我々は,センサの寿命を大幅に延長できることを示した。
  論文  参考訳（メタデータ） (2020-11-19T09:53:27Z)
• Data-aided Sensing for Distributed Detection [48.523643863141466]
  我々は,決定遅延制約の対象となる信頼性決定に対して,DASのJ分割に基づくノード選択基準を導出する。 提案した J-divergence に基づくDAS に基づいて,ノードを選択してログ類似率(LLR)を高速化する。 J分割に基づくDASは、他のアプローチと比較して少ないセンサーで信頼性の高い決定を下せることが確認された。
  論文  参考訳（メタデータ） (2020-11-17T03:15:44Z)
• OmniTact: A Multi-Directional High Resolution Touch Sensor [109.28703530853542]
  既存の触覚センサーは、平らで、感度が小さいか、低解像度の信号のみを提供する。 我々は,多方向高解像度触覚センサOmniTactを紹介する。 我々は,ロボット制御の課題に対して,OmniTactの能力を評価する。
  論文  参考訳（メタデータ） (2020-03-16T01:31:29Z)

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。