論文の概要: A Fast Heuristic for Gateway Location in Wireless Backhaul of 5G
Ultra-Dense Networks
- arxiv url: http://arxiv.org/abs/2103.08408v1
- Date: Mon, 22 Feb 2021 17:34:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-05 00:50:09.360890
- Title: A Fast Heuristic for Gateway Location in Wireless Backhaul of 5G
Ultra-Dense Networks
- Title（参考訳）: 5gultra-denseネットワークの無線バックホールにおけるゲートウェイ位置の高速ヒューリスティック
- Authors: Mital Raithatha, Aizaz U. Chaudhry, Roshdy H.M. Hafez, John W.
Chinneck
- Abstract要約: 5G Ultra-Dense Networksでは、分散ワイヤレスバックホールは、トラフィックをコアに転送するための魅力的なソリューションです。
ゲートウェイ位置問題を調査し,最適に近いゲートウェイ位置を見つけることでバックホールネットワーク容量が向上することを示す。
遺伝的アルゴリズムとK平均クラスタリングを組み合わせた新しいK-GAとの比較のために、正確なp-median整数線形プログラムが策定されています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In 5G Ultra-Dense Networks, a distributed wireless backhaul is an attractive
solution for forwarding traffic to the core. The macro-cell coverage area is
divided into many small cells. A few of these cells are designated as gateways
and are linked to the core by high-capacity fiber optic links. Each small cell
is associated with one gateway and all small cells forward their traffic to
their respective gateway through multi-hop mesh networks. We investigate the
gateway location problem and show that finding near-optimal gateway locations
improves the backhaul network capacity. An exact p-median integer linear
program is formulated for comparison with our novel K-GA heuristic that
combines a Genetic Algorithm (GA) with K-means clustering to find near-optimal
gateway locations. We compare the performance of KGA with six other approaches
in terms of average number of hops and backhaul network capacity at different
node densities through extensive Monte Carlo simulations. All approaches are
tested in various user distribution scenarios, including uniform distribution,
bivariate Gaussian distribution, and cluster distribution. In all cases K-GA
provides near-optimal results, achieving average number of hops and backhaul
network capacity within 2% of optimal while saving an average of 95% of the
execution time.
- Abstract（参考訳）: 5G Ultra-Dense Networksでは、分散ワイヤレスバックホールは、コアへのトラフィックを転送するための魅力的なソリューションです。
マクロ細胞被覆領域は多くの小細胞に分けられる。
これらのセルのいくつかはゲートウェイとして指定され、高容量光ファイバーリンクによってコアにリンクされる。
各小さなセルはひとつのゲートウェイに関連付けられ、すべての小さなセルはマルチホップメッシュネットワークを介してそれぞれのゲートウェイにトラフィックを転送する。
ゲートウェイ位置問題を調査し,最適に近いゲートウェイ位置を見つけることでバックホールネットワーク容量が向上することを示す。
遺伝的アルゴリズム (GA) とK平均クラスタリングを組み合わせたK-GAヒューリスティックと比較し, ほぼ最適ゲートウェイ位置を求めるため, 正確な p-median 整数線形プログラムを定式化した。
我々は,ノード密度の異なるホップ数とバックホールネットワーク容量について,モンテカルロシミュレーションを用いて,kgaの性能を他の6つの手法と比較した。
すべてのアプローチは、一様分布、二変量ガウス分布、クラスタ分布など、さまざまなユーザー分布シナリオでテストされる。
すべてのケースにおいて、k-gaは最適に近い結果をもたらし、平均ホップ数とバックホールネットワーク容量を最適な2%以内で達成し、実行時間の95%を節約する。
関連論文リスト
- 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) - Quantum Switches for Gottesman-Kitaev-Preskill Qubit-based All-Photonic
Quantum Networks [0.0]
本稿では,GKP量子ビットベースの量子ネットワークのための量子スイッチを提案する。
我々の量子スイッチは任意の位相の量子ネットワークを実現する方法を提供する。
論文 参考訳（メタデータ） (2024-02-05T04:34:48Z) - Hierarchical Multi-Marginal Optimal Transport for Network Alignment [52.206006379563306]
マルチネットワークアライメントは,複数ネットワーク上での協調学習に必須の要件である。
マルチネットワークアライメントのための階層型マルチマージ最適トランスポートフレームワークHOTを提案する。
提案するHOTは,有効性とスケーラビリティの両面で,最先端の大幅な改善を実現している。
論文 参考訳（メタデータ） (2023-10-06T02:35:35Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳（メタデータ） (2022-10-14T12:35:32Z) - Optimal resource allocation for flexible-grid entanglement distribution
networks [0.0]
本稿では,周波数偏光双光子を用いたエンタングルメント分布の一般モデルを提案する。
我々は,1対1のユーザ接続からなるネットワークに対して,忠実度と絡み合ったビットレートの上限を導出する。
論文 参考訳（メタデータ） (2022-04-13T21:31:47Z) - Limited-Fronthaul Cell-Free Hybrid Beamforming with Distributed Deep
Neural Network [0.0]
近接最適解は、アクセスポイント(AP)とネットワークコントローラ(NC)の間で大量の信号交換を必要とする。
本稿では,AP と NC 間の通信オーバーヘッドをゼロあるいは限定して協調ハイブリッドビームフォーミングを行うことができる2つの非教師なしディープニューラルネットワーク(DNN)アーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-06-30T16:42:32Z) - Multi-Stage Hybrid Federated Learning over Large-Scale D2D-Enabled Fog
Networks [61.30171206892684]
ネットワークを多層クラスタベース構造とみなす階層内モデル学習と層間モデル学習のハイブリッドを開発する。
MH-FLは、デバイス間通信(D2D)を介して形成されたローカルネットワークを含む、クラスタ内のノード間のトポロジー構造を考察している。
異なるネットワーク層におけるデバイスを協調的/協調的にオーケストレーションし、モデルパラメータの局所的なコンセンサスを形成する。
論文 参考訳（メタデータ） (2020-07-18T20:03:07Z) - Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。
標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2020-04-06T15:51:00Z) - Overlap Local-SGD: An Algorithmic Approach to Hide Communication Delays
in Distributed SGD [32.03967072200476]
We propose a algorithmic approach named OverlapLocal-Local-Local-SGD (Local momentum variant)。
各ノードにアンカーモデルを追加することでこれを実現する。
複数のローカルアップデートの後、ローカルにトレーニングされたモデルは、他の人と通信するのではなく、アンカーモデルへと引き戻される。
論文 参考訳（メタデータ） (2020-02-21T20:33:49Z) - Wireless Power Control via Counterfactual Optimization of Graph Neural
Networks [124.89036526192268]
本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。
コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。
次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
論文 参考訳（メタデータ） (2020-02-17T07:54:39Z) - Multiple Access in Dynamic Cell-Free Networks: Outage Performance and
Deep Reinforcement Learning-Based Design [24.632250413917816]
将来のセルフリー(またはセルレス)無線ネットワークでは、地理的領域の多数のデバイスが同時に多数の分散アクセスポイント(AP)によって提供される。
我々は,多数のデバイスやAPが存在する場合に,ユーザの信号の共同処理の複雑さを低減するために,新しい動的セルフリーネットワークアーキテクチャを提案する。
システム設定では, DDPG-DDQN方式は, 網羅的な検索ベース設計により, 達成可能なレートの約78%を達成できることがわかった。
論文 参考訳（メタデータ） (2020-01-29T03:00:22Z)
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。