Fugu-MT 論文翻訳(概要): A Reinforcement Learning Approach for Scheduling in mmWave Networks

論文の概要: A Reinforcement Learning Approach for Scheduling in mmWave Networks

arxiv url: http://arxiv.org/abs/2108.00548v1
Date: Sun, 1 Aug 2021 21:47:47 GMT
ステータス: 処理完了
システム内更新日: 2021-08-04 04:52:28.979071
Title: A Reinforcement Learning Approach for Scheduling in mmWave Networks
Title（参考訳）: mmWaveネットワークにおけるスケジューリングのための強化学習手法
Authors: Mine Gokce Dogan, Yahya H. Ezzeldin, Christina Fragouli, Addison W. Bohannon
Abstract要約: 我々は、mWaveネットワーク上で、所望の速度で目的地と通信したいソースについて検討する。リンクとノード障害に対するレジリエンスを実現するために,我々は最先端のSoft Actor-Critic(SAC)深部強化学習アルゴリズムについて検討する。
参考スコア（独自算出の注目度）: 24.46948464551684
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We consider a source that wishes to communicate with a destination at a desired rate, over a mmWave network where links are subject to blockage and nodes to failure (e.g., in a hostile military environment). To achieve resilience to link and node failures, we here explore a state-of-the-art Soft Actor-Critic (SAC) deep reinforcement learning algorithm, that adapts the information flow through the network, without using knowledge of the link capacities or network topology. Numerical evaluations show that our algorithm can achieve the desired rate even in dynamic environments and it is robust against blockage.
Abstract（参考訳）: 我々は、リンクがブロックされ、ノードが故障する(例えば、敵対的な軍事環境において)mmWaveネットワーク上で、所望の速度で通信したいソースを考察する。本稿では,リンク容量やネットワークトポロジの知識を使わずに,ネットワーク内の情報フローに適応する,最先端のsoft actor-critic (sac) 深層強化学習アルゴリズムについて検討する。数値評価の結果,本アルゴリズムは動的環境においても所望の速度を達成でき,ブロッキングに対して頑健であることがわかった。

関連論文リスト

Learning State-Augmented Policies for Information Routing in Communication Networks [92.59624401684083]
我々は,グラフニューラルネットワーク(GNN)アーキテクチャを用いて,ソースノードの集約情報を最大化する,新たなステート拡張(SA)戦略を開発した。教師なし学習手法を利用して、GNNアーキテクチャの出力を最適情報ルーティング戦略に変換する。実験では,実時間ネットワークトポロジの評価を行い,アルゴリズムの有効性を検証した。
論文参考訳（メタデータ） (2023-09-30T04:34:25Z)
The Integrated Forward-Forward Algorithm: Integrating Forward-Forward and Shallow Backpropagation With Local Losses [0.0]
本稿では,FFAと浅部バックプロパゲーションの双方の強度を組み合わせた統合手法を提案する。 Integrated Forward-Forward Algorithmでニューラルネットワークをトレーニングすることは、ロバストネスのような有利な特徴を持つニューラルネットワークを生成する可能性を秘めている。
論文参考訳（メタデータ） (2023-05-22T12:10:47Z)
Identifying network topologies via quantum walk distributions [0.0]
遺伝的アルゴリズムを用いて、測定された確率分布からネットワークのトポロジを検索する。提案手法は,ノイズの存在下でも効率的に必要な情報を取得することができることを示す。
論文参考訳（メタデータ） (2023-01-31T18:38:44Z)
Quantization-aware Interval Bound Propagation for Training Certifiably Robust Quantized Neural Networks [58.195261590442406]
我々は、逆向きに頑健な量子化ニューラルネットワーク(QNN)の訓練と証明の課題について検討する。近年の研究では、浮動小数点ニューラルネットワークが量子化後の敵攻撃に対して脆弱であることが示されている。本稿では、堅牢なQNNをトレーニングするための新しい方法であるQA-IBP(quantization-aware interval bound propagation)を提案する。
論文参考訳（メタデータ） (2022-11-29T13:32:38Z)
Proactive Resilient Transmission and Scheduling Mechanisms for mmWave Networks [29.17280879786624]
本稿では、任意のミリ波(mmWave)ネットワークにおいて、複数の経路にまたがるトラフィックを適切に分散するレジリエント伝送機構を開発することを目的とする。リンク障害に対するレジリエンスを実現するため,ネットワークを介した情報の流れに適応する最先端のソフトアクタ・クリティカルDRLについて検討した。
論文参考訳（メタデータ） (2022-11-17T02:52:27Z)
Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文参考訳（メタデータ） (2021-07-27T06:57:56Z)
On Topology Optimization and Routing in Integrated Access and Backhaul Networks: A Genetic Algorithm-based Approach [70.85399600288737]
IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。メッシュベースのIABネットワークを実現する上での課題について論じる。
論文参考訳（メタデータ） (2021-02-14T21:52:05Z)
Unsupervised Learning for Asynchronous Resource Allocation in Ad-hoc Wireless Networks [122.42812336946756]
集約グラフニューラルネットワーク(Agg-GNN)に基づく教師なし学習手法を設計する。アクティベーションパターンを各ノードの特徴としてモデル化し,ポリシーに基づくリソース割り当て手法を訓練することにより,非同期性を捉える。
論文参考訳（メタデータ） (2020-11-05T03:38:36Z)
A Multi-step and Resilient Predictive Q-learning Algorithm for IoT with Human Operators in the Loop: A Case Study in Water Supply Networks [4.9550706407171585]
障害のあるコンポーネントが存在する場合、IoTネットワークに対してレジリエントで予測可能なアクションを推奨する問題を考察する。我々はバージニア州アーリントン郡の匿名化データを用いて、スマート給水システムのための予測的かつレジリエントなスケジューリングポリシーを計算します。
論文参考訳（メタデータ） (2020-06-06T15:51:52Z)
HYDRA: Pruning Adversarially Robust Neural Networks [58.061681100058316]
ディープラーニングは、敵対的攻撃に対する堅牢性の欠如と、大規模なニューラルネットワークサイズという、2つの大きな課題に直面している。そこで本稿では,頑健なトレーニング目標を意識したプルーニング手法を提案し,トレーニング目標にプルーンへの接続を探索させる。 HYDRAと題する我々の手法は,最先端のベニグニグニグニグニグニとロバストな精度で圧縮されたネットワークを同時に実現できることを実証する。
論文参考訳（メタデータ） (2020-02-24T19:54:53Z)

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。