論文の概要: 5G Routing Interfered Environment

• arxiv url: http://arxiv.org/abs/2203.14790v2
• Date: Tue, 29 Mar 2022 18:12:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-01 10:49:13.663379
• Title: 5G Routing Interfered Environment
• Title（参考訳）: 5Gルーティング干渉環境
• Authors: Barak Gahtan
• Abstract要約: 本稿では,5Gルーティング干渉環境(5GRIE)の設計について述べる。 この環境は、定式化された干渉モデルを用いて、パケットを周波数源と宛先ペアでルーティングするための異なるアルゴリズムを実行することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 5G is the next-generation cellular network technology, with the goal of meeting the critical demand for bandwidth required to accommodate a high density of users. It employs flexible architectures to accommodate the high density. 5G is enabled by mmWave communication, which operates at frequencies ranging from 30 to 300 GHz. This paper describes the design of the 5G Routing Interfered Environment (5GRIE), a python-based environment based on Gym's methods. The environment can run different algorithms to route packets with source and destination pairs using a formulated interference model. Deep Reinforcement Learning algorithms that use Stable-Baselines 3, as well as heuristic-based algorithms like random or greedy, can be run on it. Profitable is an algorithm that is provided.
• Abstract（参考訳）: 5gは次世代のセルラーネットワーク技術であり、高密度ユーザに対応するために必要となる帯域幅のクリティカルな要求を満たすことを目標としている。 高い密度に対応するために柔軟なアーキテクチャを採用している。 5Gは、30GHzから300GHzの周波数で動作するmmWave通信によって実現されている。 本稿では,ジムの手法に基づくpythonベースの環境である5gルーティング阻害環境(5grie)の設計について述べる。 この環境は、定式化された干渉モデルを用いて、パケットをソースと宛先ペアでルーティングするための異なるアルゴリズムを実行することができる。 安定ベースライン3とランダムやグリーディのようなヒューリスティックベースのアルゴリズムを使用するディープ強化学習アルゴリズムは、それ上で実行できる。 Profitableは、提供されるアルゴリズムである。

関連論文リスト

• Malicious Lateral Movement in 5G Core With Network Slicing And Its Detection [4.12716042472541]
  ネットワークスライシングが可能な5Gコア(5GC)の側方移動戦略を提案する。 このような悪質な横動きを検出するシステムである5GLatteを提案する。
  論文  参考訳（メタデータ） (2023-12-04T07:09:33Z)
• 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)
• IoV Scenario: Implementation of a Bandwidth Aware Algorithm in Wireless Network Communication Mode [49.734868032441625]
  本稿では,マルチドメイン仮想ネットワーク埋め込みアルゴリズム(BA-VNE)を提案する。 このアルゴリズムは主に、ユーザが無線通信モードで多くの帯域幅を必要とする問題を対象としている。 本アルゴリズムの性能向上のために,粒子群最適化(PSO)アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2022-02-03T03:34:06Z)
• Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
  非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。 主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。 本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
  論文  参考訳（メタデータ） (2022-01-13T15:20:45Z)
• 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)
• Reinforcement Learning Assisted Beamforming for Inter-cell Interference Mitigation in 5G Massive MIMO Networks [0.0]
  ビームフォーミングは、MMIMO(Multiple-input-multiple-output)通信において重要な技術である。 細胞間干渉(ICI)は、周波数再利用技術による5G通信が直面する主な障害の1つである。 5GダウンリンクにおけるICI緩和のための強化学習(RL)支援フルダイナミックビームフォーミングを提案する。
  論文  参考訳（メタデータ） (2021-01-27T07:18:07Z)
• To Talk or to Work: Energy Efficient Federated Learning over Mobile Devices via the Weight Quantization and 5G Transmission Co-Design [49.95746344960136]
  Federated Learning (FL) は,モバイルデバイス間での大規模学習タスクのための新たなパラダイムである。 モバイルデバイス上でFLをサポートする効果的な無線ネットワークアーキテクチャを確立する方法は不明です。 我々は、異種5Gモバイル機器上でのエネルギー効率FLのための無線伝送および重み量子化協調設計を開発する。
  論文  参考訳（メタデータ） (2020-12-21T01:13:44Z)
• Exploitation of Channel-Learning for Enhancing 5G Blind Beam Index Detection [1.9981375888949475]
  本研究は,5Gセルとビームインデックス検索の性能を機械学習技術により向上させる方法について検討する。 5Gビームインデックス検出の性能を高めるために,新しいチャネル学習手法を提案し,実装する。
  論文  参考訳（メタデータ） (2020-12-07T12:24:32Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)
• Multi-Agent Reinforcement Learning for Adaptive User Association in Dynamic mmWave Networks [17.295158818748188]
  マルチエージェント強化学習に基づくユーザアソシエーションのためのスケーラブルで柔軟なアルゴリズムを提案する。 ユーザーは、ローカルな観察のみに基づいて、ネットワークの総和率を最適化するために、自律的に行動を調整することを学習する独立したエージェントとして振る舞う。 シミュレーションの結果,提案アルゴリズムは無線環境の変化に適応できることを示す。
  論文  参考訳（メタデータ） (2020-06-16T10:51:27Z)

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。