論文の概要: Coverage probability in wireless networks with determinantal scheduling
- arxiv url: http://arxiv.org/abs/2006.05038v1
- Date: Tue, 9 Jun 2020 04:05:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-23 15:57:51.831227
- Title: Coverage probability in wireless networks with determinantal scheduling
- Title（参考訳）: 行列スケジューリングによる無線ネットワークの被覆確率
- Authors: Bartek B{\l}aszczyszyn, Antoine Brochard, H. Paul Keeler
- Abstract要約: ネットワーク送信をランダムにスケジューリングするアルゴリズムを新たに提案する。
アロハと同様に、それらはカバー確率と送信の試みのエレガントな分析の対象であることを示す。
- 参考スコア（独自算出の注目度）: 1.4502611532302039
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a new class of algorithms for randomly scheduling network
transmissions. The idea is to use (discrete) determinantal point processes
(subsets) to randomly assign medium access to various {\em repulsive} subsets
of potential transmitters. This approach can be seen as a natural extension of
(spatial) Aloha, which schedules transmissions independently. Under a general
path loss model and Rayleigh fading, we show that, similarly to Aloha, they are
also subject to elegant analysis of the coverage probabilities and transmission
attempts (also known as local delay). This is mainly due to the explicit,
determinantal form of the conditional (Palm) distribution and closed-form
expressions for the Laplace functional of determinantal processes.
Interestingly, the derived performance characteristics of the network are
amenable to various optimizations of the scheduling parameters, which are
determinantal kernels, allowing the use of techniques developed for statistical
learning with determinantal processes. Well-established sampling algorithms for
determinantal processes can be used to cope with implementation issues, which
is is beyond the scope of this paper, but it creates paths for further
research.
- Abstract（参考訳）: 本稿では,ネットワーク伝送をランダムにスケジューリングするアルゴリズムを提案する。
この考え方は、(離散的な)決定点プロセス(サブセット)を使用して、ポテンシャル送信機の様々な {\em repulsive} サブセットへの媒体アクセスをランダムに割り当てることである。
このアプローチは、送信を独立にスケジュールする(空間的)アロハの自然な拡張と見なすことができる。
一般的な経路損失モデルとレイリーの消失モデルの下では、アロハと同様に、それらはカバー確率と伝達試行(局所遅延とも呼ばれる)のエレガントな解析の対象であることが示される。
これは主に、条件(Palm)分布の明示的な決定的形式と、決定的過程のラプラス関数の閉形式表現が原因である。
興味深いことに、ネットワークの導出性能特性は、決定的カーネルであるスケジューリングパラメータの様々な最適化に寄与し、決定的プロセスによる統計的学習のために開発された技術を利用することができる。
決定的プロセスのための確立されたサンプリングアルゴリズムは、本論文の範囲を超えている実装問題に対処するために使用できるが、さらなる研究のためのパスを生成する。
関連論文リスト
- Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳（メタデータ） (2024-01-29T02:08:40Z) - Approximating a RUM from Distributions on k-Slates [88.32814292632675]
与えられた分布を平均で最もよく近似するRUMを求める一般化時間アルゴリズムを求める。
我々の理論的結果は、実世界のデータセットに効果的でスケール可能なものを得るという、実践的な結果も得られます。
論文 参考訳（メタデータ） (2023-05-22T17:43:34Z) - Sampling-Based Robust Control of Autonomous Systems with Non-Gaussian
Noise [59.47042225257565]
雑音分布の明示的な表現に依存しない新しい計画法を提案する。
まず、連続系を離散状態モデルに抽象化し、状態間の確率的遷移によってノイズを捕捉する。
いわゆる区間マルコフ決定過程(iMDP)の遷移確率区間におけるこれらの境界を捉える。
論文 参考訳（メタデータ） (2021-10-25T06:18:55Z) - A greedy reconstruction algorithm for the identification of spin
distribution [0.0]
確率分布の分数的定数近似の識別性は行列の可逆性に関係していることを示す。
このアルゴリズムは、この行列が特異行列からできるだけ遠くにあることを保証する、特定の制御を設計することを目的としている。
論文 参考訳（メタデータ） (2021-08-26T12:40:52Z) - Asymptotics of Network Embeddings Learned via Subsampling [4.23373349945751]
本研究では,ノード2vecのようなサブサンプリング手法を用いて,単一の統一フレームワークへの表現手法について検討する。
これは、埋め込みベクトルが何を表現し、これらのメソッドが下流のタスクでいかにうまく機能するかを理解するための理論的基盤を提供する。
特に、一般的に使用される損失関数は、Fisher整合性の欠如などの欠点を引き起こす可能性があることを観察する。
論文 参考訳（メタデータ） (2021-07-06T02:54:53Z) - Policy Gradient for Continuing Tasks in Non-stationary Markov Decision
Processes [112.38662246621969]
強化学習は、マルコフ決定プロセスにおいて期待される累積報酬を最大化するポリシーを見つけることの問題を考える。
我々は、ポリシーを更新するために上昇方向として使用する値関数の偏りのないナビゲーション勾配を計算する。
ポリシー勾配型アルゴリズムの大きな欠点は、定常性の仮定が課せられない限り、それらがエピソジックなタスクに限定されていることである。
論文 参考訳（メタデータ） (2020-10-16T15:15:42Z) - Activation Relaxation: A Local Dynamical Approximation to
Backpropagation in the Brain [62.997667081978825]
活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。
我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
論文 参考訳（メタデータ） (2020-09-11T11:56:34Z) - Sequential Quadratic Optimization for Nonlinear Equality Constrained
Stochastic Optimization [10.017195276758454]
この設定では、客観的関数と微分値を明示的に計算することは難しそうだと仮定する。
最先端のライン探索SQPアルゴリズムをモデルとした決定論的設定のためのアルゴリズムを提案する。
数値実験の結果は,提案手法の実用性を示すものである。
論文 参考訳（メタデータ） (2020-07-20T23:04:26Z) - Inferring Signaling Pathways with Probabilistic Programming [1.8275108630751837]
我々はGen確率型プログラミング言語を用いてJuliaでスパース信号経路サンプリング(Sparse Signaling Pathway Smpling)という手法を実装した。
我々は,シミュレーションデータとHPN-DREAM経路再構成問題に基づくアルゴリズムの評価を行った。
本研究は,生物ネットワーク推論における確率的プログラミング,特にGenの可能性を示すものである。
論文 参考訳（メタデータ） (2020-05-28T14:55:11Z) - Spatially Adaptive Inference with Stochastic Feature Sampling and
Interpolation [72.40827239394565]
スパースサンプリングされた場所のみの機能を計算することを提案する。
次に、効率的な手順で特徴写像を密に再構築する。
提案したネットワークは、様々なコンピュータビジョンタスクの精度を維持しながら、かなりの計算を省くために実験的に示されている。
論文 参考訳（メタデータ） (2020-03-19T15:36:31Z) - Distributionally Robust Chance Constrained Programming with Generative
Adversarial Networks (GANs) [0.0]
GAN(Generative Adversarial Network)をベースとしたデータ駆動型分散ロバストな制約付きプログラミングフレームワークを提案する。
非パラメトリックかつ教師なしの方法で、歴史的データから分布情報を完全抽出するために、GANを適用する。
提案手法は需要不確実性の下でサプライチェーン最適化に適用される。
論文 参考訳（メタデータ） (2020-02-28T00:05:22Z)
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。