論文の概要: Decentralized, Hybrid MAC Design with Reduced State Information Exchange
for Low-Delay IoT Applications
- arxiv url: http://arxiv.org/abs/2105.11213v1
- Date: Mon, 24 May 2021 11:44:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-25 20:42:14.616376
- Title: Decentralized, Hybrid MAC Design with Reduced State Information Exchange
for Low-Delay IoT Applications
- Title（参考訳）: 低遅延IoTアプリケーションのための状態情報交換を考慮した分散ハイブリッドMAC設計
- Authors: Avinash Mohan, Arpan Chattopadhyay, Shivam Vinayak Vatsa, and Anurag
Kumar
- Abstract要約: 我々は、時間スロットの無線チャネルを共有する複数のノードのシステムを検討し、平均遅延を低くするMACを求める。
まず、既存の分散化ハイブリッドMACであるZMACの単純な拡張であるEZMACを提案する。
次に、部分的に観測された制約付きキューイングネットワークにおける遅延とスループットの最適性に関する結果から、QZMACと呼ぶ別の分散MACプロトコルを開発した。
- 参考スコア（独自算出の注目度）: 10.884596923608564
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider a system of several collocated nodes sharing a time slotted
wireless channel, and seek a MAC that (i) provides low mean delay, (ii) has
distributed control (i.e., there is no central scheduler), and (iii) does not
require explicit exchange of state information or control signals. The design
of such MAC protocols must keep in mind the need for contention access at light
traffic, and scheduled access in heavy traffic, leading to the long-standing
interest in hybrid, adaptive MACs.
We first propose EZMAC, a simple extension of an existing decentralized,
hybrid MAC called ZMAC. Next, motivated by our results on delay and throughput
optimality in partially observed, constrained queuing networks, we develop
another decentralized MAC protocol that we term QZMAC. A method to improve the
short-term fairness of QZMAC is proposed and analysed, and the resulting
modified algorithm is shown to possess better fairness properties than QZMAC.
The theory developed to reduce delay is also shown to work %with different
traffic types (batch arrivals, for example) and even in the presence of
transmission errors and fast fading.
Extensions to handle time critical traffic (alarms, for example) and hidden
nodes are also discussed. Practical implementation issues, such as handling
Clear Channel Assessment (CCA) errors, are outlined. We implement and
demonstrate the performance of QZMAC on a test bed consisting of CC2420 based
Crossbow telosB motes, running the 6TiSCH communication stack on the Contiki
operating system over the 2.4GHz ISM band.
Finally, using simulations, we show that both protocols achieve mean delays
much lower than those achieved by ZMAC, and QZMAC provides mean delays very
close to the minimum achievable in this setting, i.e., that of the centralized
complete knowledge scheduler.
- Abstract（参考訳）: 我々は,複数のコロケーションノードが時間スロット無線チャネルを共有するシステムを検討し, (i) 平均遅延が低く, (ii) 分散制御(中央スケジューラが存在しない), (iii) 状態情報や制御信号の明示的な交換を必要としないmacを求める。
このようなMACプロトコルの設計は、光トラフィックにおける競合アクセスと、大量のトラフィックにおけるスケジュールアクセスの必要性を念頭に置いておく必要がある。
まず、既存の分散化ハイブリッドMACであるZMACの単純な拡張であるEZMACを提案する。
次に、部分的に観測された制約付きキューイングネットワークにおける遅延とスループットの最適性に関する結果から、QZMACと呼ぶ別の分散MACプロトコルを開発した。
QZMACの短期的公正性を改善する手法を提案し解析し、得られた修正アルゴリズムはQZMACよりも優れた公正性を有することを示した。
遅延を低減するために開発された理論は、異なる交通タイプ(例えば、バッチ到着)で%動作し、送信エラーや高速フェーディングが存在する場合にも機能する。
時間クリティカルなトラフィック(例えば、アラーム)と隠れたノードを扱う拡張についても論じる。
クリアチャネルアセスメント(CCA)のエラー処理などの実践的な実装問題について概説する。
我々は、CC2420ベースのCrossbow telosB motesからなるテストベッド上でQZMACを実装し、2.4GHz ISM帯上のContikiオペレーティングシステム上で6TiSCH通信スタックを実行する。
最後に、シミュレーションを用いて、両プロトコルがZMACよりも平均遅延をはるかに低く達成し、QZMACは、この設定において達成可能な最小限の遅延、すなわち集中的な完全知識スケジューラに非常に近い平均遅延を提供することを示す。
関連論文リスト
- Optimizing Wireless Discontinuous Reception via MAC Signaling Learning [3.4082496470541312]
本稿では,基地局 (BTS) からの不連続受容 (DRX) ポリシーを制御するための強化学習手法を提案する。
5G New Radioで指定された高速なLayer-2信号の送信を最適タイミングでタイミングで行う。
シミュレーションの結果,提案手法は遅延と省エネのトレードオフの改善を図っている。
論文 参考訳（メタデータ） (2024-06-19T20:55:12Z) - Deep Reinforcement Learning for Uplink Scheduling in NOMA-URLLC Networks [7.182684187774442]
本稿では,無線ネットワークにおけるURLLC(Ultra Reliable Low Communications)の問題に対処する。
本稿では,厳密な期限を含む非直交多重アクセス(NOMA)アップリンクURLLCスケジューリング問題を解くために,DRL(Deep Reinforcement Learning)スケジューリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-08-28T12:18:02Z) - Differentially Private Deep Q-Learning for Pattern Privacy Preservation
in MEC Offloading [76.0572817182483]
攻撃者は、エッジサーバ(ES)のキュー情報とユーザの使用パターンを推測するために、オフロードの決定を盗み取ることができる。
パターンプライバシ(PP)を維持しつつ,レイテンシ,ESのエネルギー消費,タスク削減率を両立させるオフロード戦略を提案する。
そこで我々はDP-DQOアルゴリズムを開発し,PP問題にノイズを注入することでこの問題に対処する。
論文 参考訳（メタデータ） (2023-02-09T12:50:18Z) - Distributed-Training-and-Execution Multi-Agent Reinforcement Learning
for Power Control in HetNet [48.96004919910818]
We propose a multi-agent Deep reinforcement learning (MADRL) based power control scheme for the HetNet。
エージェント間の協調を促進するために,MADRLシステムのためのペナルティベースQラーニング(PQL)アルゴリズムを開発した。
このように、エージェントのポリシーは、他のエージェントによってより容易に学習でき、より効率的なコラボレーションプロセスをもたらす。
論文 参考訳（メタデータ） (2022-12-15T17:01:56Z) - Extending Compositional Attention Networks for Social Reasoning in
Videos [84.12658971655253]
ビデオにおけるソーシャルインタラクションを推論するタスクのための,新しいディープアーキテクチャを提案する。
構成注意ネットワーク(MAC)の多段階推論機能を活用し,マルチモーダル拡張(MAC-X)を提案する。
論文 参考訳（メタデータ） (2022-10-03T19:03:01Z) - Asynchronous Parallel Incremental Block-Coordinate Descent for
Decentralized Machine Learning [55.198301429316125]
機械学習(ML)は、巨大なIoT(Internet of Things)ベースのインテリジェントでユビキタスなコンピューティングのビッグデータ駆動モデリングと分析のための重要なテクニックである。
急成長するアプリケーションやデータ量にとって、分散学習は有望な新興パラダイムである。
本稿では,多くのユーザデバイスに分散した分散システム上でMLモデルをトレーニングする問題について検討する。
論文 参考訳（メタデータ） (2022-02-07T15:04:15Z) - Scheduling in Parallel Finite Buffer Systems: Optimal Decisions under
Delayed Feedback [29.177402567437206]
本稿では,遅延認識の限られた情報の下で並列キューシステムにおけるスケジューリング決定をキャプチャする部分観測可能(PO)モデルを提案する。
得られたポリシーが他の限られた情報スケジューリング戦略より優れていることを数値的に示す。
本稿では,Kaggleが提供するネットワークデータを用いてリアルタイム並列処理を最適化する方法を示す。
論文 参考訳（メタデータ） (2021-09-17T13:45:02Z) - 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) - Better than the Best: Gradient-based Improper Reinforcement Learning for
Network Scheduling [60.48359567964899]
パケット遅延を最小限に抑えるため,制約付き待ち行列ネットワークにおけるスケジューリングの問題を考える。
我々は、利用可能な原子ポリシーよりも優れたスケジューラを生成するポリシー勾配に基づく強化学習アルゴリズムを使用する。
論文 参考訳（メタデータ） (2021-05-01T10:18:34Z) - Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge
Computing [113.52575069030192]
セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。
通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。
分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。
分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
論文 参考訳（メタデータ） (2020-10-02T10:41:59Z)
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。