論文の概要: Ultra-dense Low Data Rate (UDLD) Communication in the THz

• arxiv url: http://arxiv.org/abs/2009.10674v1
• Date: Tue, 22 Sep 2020 16:52:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 23:17:23.296241
• Title: Ultra-dense Low Data Rate (UDLD) Communication in the THz
• Title（参考訳）: thzにおけるultra-dense low data rate(udld)通信
• Authors: Rohit Singh and Doug Sicker
• Abstract要約: 将来的には、IoT(Internet of Things)やワイヤレスセンサー、複数の5Gキラーアプリケーションが登場し、室内の部屋は、データレートの低いデバイスが1000ドル(約1万1000円)で満たされる可能性がある。 これらのデバイスの高レベルの密度化とモビリティはシステムを圧倒し、高い干渉、頻繁な停止、そして低いカバレッジをもたらす。 ネットワーク内の密度化と移動性は、追加のインフラやリソースを必要とせずに、限られたTHzデバイスの範囲を拡大するために利用できることを示す。
• 参考スコア（独自算出の注目度）: 1.4298580363875282
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the future, with the advent of Internet of Things (IoT), wireless sensors, and multiple 5G killer applications, an indoor room might be filled with $1000$s of devices demanding low data rates. Such high-level densification and mobility of these devices will overwhelm the system and result in higher interference, frequent outages, and lower coverage. The THz band has a massive amount of greenfield spectrum to cater to this dense-indoor deployment. However, a limited coverage range of the THz will require networks to have more infrastructure and depend on non-line-of-sight (NLOS) type communication. This form of communication might not be profitable for network operators and can even result in inefficient resource utilization for devices demanding low data rates. Using distributed device-to-device (D2D) communication in the THz, we can cater to these Ultra-dense Low Data Rate (UDLD) type applications. D2D in THz can be challenging, but with opportunistic allocation and smart learning algorithms, these challenges can be mitigated. We propose a 2-Layered distributed D2D model, where devices use coordinated multi-agent reinforcement learning (MARL) to maximize efficiency and user coverage for dense-indoor deployment. We show that densification and mobility in a network can be used to further the limited coverage range of THz devices, without the need for extra infrastructure or resources.
• Abstract（参考訳）: 将来的には、IoT(Internet of Things)やワイヤレスセンサー、複数の5Gキラーアプリケーションが登場し、室内の部屋はデータレートの低いデバイスが1000ドル(約1万1000円)で満たされる可能性がある。 これらのデバイスの高レベルの密度化とモビリティはシステムを圧倒し、高い干渉、頻繁な停止、そして低いカバレッジをもたらす。 THzバンドは、この密集した屋内展開に対応する大量のグリーンフィールドスペクトルを持つ。 しかし、THzの限られた範囲では、ネットワークがより多くのインフラを持つ必要があり、NLOS型通信に依存する。 このような通信形態は、ネットワークオペレーターにとって利益を得られず、低データレートのデバイスで非効率なリソース利用に繋がる可能性がある。 thzにおける分散デバイス間通信(d2d)を利用することで、これらの超dense low data rate (udld) タイプのアプリケーションに対応できる。 thzのd2dは難しい場合があるが、日和見的割り当てとスマート学習アルゴリズムによって、これらの課題を軽減できる。 デバイスが協調型マルチエージェント強化学習(MARL)を用いて高密度屋内展開における効率とユーザカバレッジを最大化する2層分散D2Dモデルを提案する。 ネットワーク内の密度化とモビリティは、インフラやリソースを余分に必要とせずに、thzデバイスのカバー範囲の限定化に使用できることを示す。

関連論文リスト

• Dynamic Spectrum Access for Ambient Backscatter Communication-assisted D2D Systems with Quantum Reinforcement Learning [68.63990729719369]
  無線スペクトルは乏しくなり、D2D通信のスペクトル効率は低い。 本稿では, 周囲RF信号の後方散乱を可能にするために, 環境後方散乱通信技術をD2Dデバイスに統合することを目的とする。 我々は、より少ないトレーニングパラメータでより高速な収束率を達成することができる新しい量子強化学習(RL)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-10-23T15:36:43Z)
• FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
  分散トレーニングは、システム設計と効率に関する重要な課題に直面します。 大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。 本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45～9.39倍の高速化を実現可能であることを示す。
  論文  参考訳（メタデータ） (2024-10-16T16:13:19Z)
• ViT LoS V2X: Vision Transformers for Environment-aware LoS Blockage Prediction for 6G Vehicular Networks [20.953587995374168]
  我々は、畳み込みニューラルネットワーク(CNN)とカスタマイズされた視覚変換器(ViT)を組み合わせたディープラーニングベースのアプローチを提案する。 提案手法は,時系列マルチモーダルデータから特徴を抽出するために,CNNとViTの相乗的強みを利用する。 その結果,提案手法は精度が高く,最先端のソリューションよりも優れ,95%以上の精度で予測できることがわかった。
  論文  参考訳（メタデータ） (2024-06-27T01:38:09Z)
• WDMoE: Wireless Distributed Large Language Models with Mixture of Experts [65.57581050707738]
  我々は,Mixture of Experts (MoE)に基づく無線分散大言語モデル(LLM)パラダイムを提案する。 我々は,基地局(BS)とモバイルデバイスにゲーティングネットワークと先行するニューラルネットワーク層を配置することにより,LLM内のMoE層を分解する。 我々は、モデルの性能とエンドツーエンドのレイテンシの両方を考慮して、専門家の選択ポリシーを設計する。
  論文  参考訳（メタデータ） (2024-05-06T02:55:50Z)
• Deep Reinforcement Learning for Interference Management in UAV-based 3D Networks: Potentials and Challenges [137.47736805685457]
  チャネル情報を知らなくても干渉を効果的に軽減できることを示す。 干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
  論文  参考訳（メタデータ） (2023-05-11T18:06:46Z)
• User-aware WLAN Transmit Power Control in the Wild [11.221798523439045]
  本論文は,何千人もの日次ユーザを対象とした実運用ネットワークにおけるユーザ認識型送電制御システムの評価を初めて行ったものである。 最先端のソリューションと比較して、新しいシステムは、空調干渉を同時に減少させながら、中央の信号強度を15dBm向上させることができる。 これは、端末の協調が欠如しているため、5dBmのアップリンク信号の減少という安価なコストが伴う。
  論文  参考訳（メタデータ） (2023-02-21T13:51:05Z)
• Artificial Intelligence Empowered Multiple Access for Ultra Reliable and Low Latency THz Wireless Networks [76.89730672544216]
  テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。 いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。 本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-17T03:00:24Z)
• Scalable Power Control/Beamforming in Heterogeneous Wireless Networks with Graph Neural Networks [6.631773993784724]
  そこで本研究では,HIGNN(heterogeneous Interference Graphural Network)という,教師なし学習に基づく新しいフレームワークを提案する。 HIGNNは、小型ネットワークで訓練された後、堅牢なパフォーマンスで拡大するサイズのワイヤレスネットワークにスケーラブルです。
  論文  参考訳（メタデータ） (2021-04-12T13:36:32Z)
• A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From Communications to Sensing and Intelligence [152.89360859658296]
  5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。 一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。 一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
  論文  参考訳（メタデータ） (2020-10-19T08:56:04Z)

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。