論文の概要: INSPIRE: Distributed Bayesian Optimization for ImproviNg SPatIal REuse
in Dense WLANs
- arxiv url: http://arxiv.org/abs/2204.10184v3
- Date: Mon, 30 Oct 2023 12:52:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 04:55:57.248935
- Title: INSPIRE: Distributed Bayesian Optimization for ImproviNg SPatIal REuse
in Dense WLANs
- Title（参考訳）: INSPIRE:Dense WLANにおけるSPatIalリユースの改善のための分散ベイズ最適化
- Authors: Anthony Bardou, Thomas Begin
- Abstract要約: IEEE 802.11axは、無線伝送における2つの重要なパラメータの動的更新を可能にすることで、無線チャネルの再利用を高めることを目的としている。
本稿では,ベイズ過程に基づく局所最適化を行う分散ソリューションINSPIREを提案する。
わずか数秒で、INSPIREは、その公平性とスループットを改善して、運用空間のサービス品質を大幅に向上させることができる。
- 参考スコア（独自算出の注目度）: 0.10878040851637999
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: WLANs, which have overtaken wired networks to become the primary means of
connecting devices to the Internet, are prone to performance issues due to the
scarcity of space in the radio spectrum. As a response, IEEE 802.11ax and
subsequent amendments aim at increasing the spatial reuse of a radio channel by
allowing the dynamic update of two key parameters in wireless transmission: the
transmission power (TX_POWER) and the sensitivity threshold (OBSS_PD). In this
paper, we present INSPIRE, a distributed solution performing local Bayesian
optimizations based on Gaussian processes to improve the spatial reuse in
WLANs. INSPIRE makes no explicit assumptions about the topology of WLANs and
favors altruistic behaviors of the access points, leading them to find adequate
configurations of their TX_POWER and OBSS_PD parameters for the "greater good"
of the WLANs. We demonstrate the superiority of INSPIRE over other
state-of-the-art strategies using the ns-3 simulator and two examples inspired
by real-life deployments of dense WLANs. Our results show that, in only a few
seconds, INSPIRE is able to drastically increase the quality of service of
operational WLANs by improving their fairness and throughput.
- Abstract（参考訳）: 有線ネットワークを抜いてデバイスをインターネットに接続する主要な手段となったWLANは、無線帯域の空間不足により性能上の問題が発生する傾向にある。
応答として、IEEE 802.11axとその後の修正は、送信電力(TX_POWER)と感度閾値(OBSS_PD)の2つのキーパラメータの動的更新を可能にすることで、無線チャネルの空間的再利用を高めることを目的としている。
本稿では,WLANにおける空間再利用を改善するために,ガウス過程に基づく局所ベイズ最適化を行う分散ソリューションINSPIREを提案する。
INSPIREは、WLANのトポロジについて明確な仮定をせず、アクセスポイントの利他的振る舞いを好んでおり、それによって、WLANの"より優れた"ために、TX_POWERとOBSS_PDパラメータの適切な構成を見つけることができる。
我々は,ns-3シミュレータを用いた他の最先端戦略よりもINSPIREの方が優れていることを示す。
この結果から,INSPIREは,その公平性とスループットを向上することにより,運用用WLANのサービス品質を大幅に向上させることができることがわかった。
関連論文リスト
- WDMoE: Wireless Distributed Mixture of Experts for Large Language Models [68.45482959423323]
大規模言語モデル(LLM)は様々な自然言語処理タスクにおいて大きな成功を収めた。
本稿では,無線ネットワーク上での基地局(BS)およびモバイルデバイスにおけるエッジサーバ間のLLMの協調展開を実現するために,無線分散Mixture of Experts(WDMoE)アーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-11-11T02:48:00Z) - DRL Optimization Trajectory Generation via Wireless Network Intent-Guided Diffusion Models for Optimizing Resource Allocation [58.62766376631344]
本稿では、無線通信ネットワークの異なる状態変化に対応するために、カスタマイズされた無線ネットワークインテント(WNI-G)モデルを提案する。
大規模シミュレーションにより、動的通信システムにおけるスペクトル効率と従来のDRLモデルの変動の安定性が向上する。
論文 参考訳（メタデータ） (2024-10-18T14:04:38Z) - Distributed Multi-Agent Deep Q-Learning for Fast Roaming in IEEE
802.11ax Wi-Fi Systems [8.057006406834466]
Wi-Fi 6 IEEE 802.11axは無線ローカルネットワーク(WLAN)の第6世代(6G)技術として承認された。
本稿では,Wi-Fi 6 システムにおける Smart Warehouse 用ステーションローミングにおける遅延を効果的に抑えるために,高速ローミング (MADAR) アルゴリズムのためのマルチエージェント深層Q-ラーニングを提案する。
論文 参考訳（メタデータ） (2023-03-25T04:39:59Z) - Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna
Tuning [60.94661435297309]
モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。
本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。
シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
論文 参考訳（メタデータ） (2023-01-20T17:06:34Z) - Cross-network transferable neural models for WLAN interference
estimation [8.519313977400735]
本稿では,ロバストネスにおける干渉推定の原理的アプローチを採用する。
まず、実データを使って影響する要因を識別し、関連する一連の合成ワークロードを導出します。
当然のことながら、Graph Conalvolution Networks(GCNs)が全体的なパフォーマンスで最高のものになっている。
論文 参考訳（メタデータ） (2022-11-25T11:01:43Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳（メタデータ） (2022-05-24T10:20:16Z) - Multi-Exit Semantic Segmentation Networks [78.44441236864057]
本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。
パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。
接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
論文 参考訳（メタデータ） (2021-06-07T11:37:03Z) - Optimizing Unlicensed Band Spectrum Sharing With Subspace-Based Pareto
Tracing [3.379748084011544]
LTE-LAA(Long-Term Evolution License-Assisted Access)のような新しい無線技術は、共有および未ライセンスのバンドで動作する。
LAAネットワークは既存のIEEE 802.11 Wi-Fiシステムと共存しなければならない。
複数のLAAリンクとWi-Fiリンクが無ライセンスバンドを共有する共存シナリオを検討します。
論文 参考訳（メタデータ） (2021-02-02T21:25:12Z) - Contention Window Optimization in IEEE 802.11ax Networks with Deep
Reinforcement Learning [2.869669835645836]
本稿では,ネットワーク条件の異なる適切な設定を学習するために,深層強化学習(DRL)の原理を利用する新しいCW制御法を提案する。
本手法は,DRL (CCOD) を用いた集中競合窓最適化 (Central Conion Window Optimization) と呼ばれ,2つのトレーニング可能な制御アルゴリズムをサポートする。
論文 参考訳（メタデータ） (2020-03-03T13:04:27Z) - 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)
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。