Fugu-MT 論文翻訳(概要): Learning-based Autonomous Channel Access in the Presence of Hidden Terminals

論文の概要: Learning-based Autonomous Channel Access in the Presence of Hidden Terminals

arxiv url: http://arxiv.org/abs/2207.03605v1
Date: Thu, 7 Jul 2022 22:30:31 GMT
ステータス: 処理完了
システム内更新日: 2022-07-11 14:52:52.744670
Title: Learning-based Autonomous Channel Access in the Presence of Hidden Terminals
Title（参考訳）: 隠れた端末の存在下での学習に基づく自律チャネルアクセス
Authors: Yulin Shao, Yucheng Cai, Taotao Wang, Ziyang Guo, Peng Liu, Jiajun Luo, Deniz Gunduz
Abstract要約: 本稿では,隠れ端末の存在下でのAutoCAに適したマルチエージェント深層強化学習パラダイムMADRL-HTを提案する。ウィンドウベースのグローバル報酬関数を提案し、端末にシステムスループットを最大化するよう指示する。
参考スコア（独自算出の注目度）: 14.389268545708674
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We consider the problem of autonomous channel access (AutoCA), where a group of terminals tries to discover a communication strategy with an access point (AP) via a common wireless channel in a distributed fashion. Due to the irregular topology and the limited communication range of terminals, a practical challenge for AutoCA is the hidden terminal problem, which is notorious in wireless networks for deteriorating the throughput and delay performances. To meet the challenge, this paper presents a new multi-agent deep reinforcement learning paradigm, dubbed MADRL-HT, tailored for AutoCA in the presence of hidden terminals. MADRL-HT exploits topological insights and transforms the observation space of each terminal into a scalable form independent of the number of terminals. To compensate for the partial observability, we put forth a look-back mechanism such that the terminals can infer behaviors of their hidden terminals from the carrier sensed channel states as well as feedback from the AP. A window-based global reward function is proposed, whereby the terminals are instructed to maximize the system throughput while balancing the terminals' transmission opportunities over the course of learning. Extensive numerical experiments verified the superior performance of our solution benchmarked against the legacy carrier-sense multiple access with collision avoidance (CSMA/CA) protocol.
Abstract（参考訳）: 本稿では、端末群が共通の無線回線を介してアクセスポイント(AP)による通信戦略を分散的に発見しようとする自律チャネルアクセス(AutoCA)の問題について考察する。不規則なトポロジと端末の通信範囲の制限のため、AutoCAの実用上の課題は隠れた端末問題であり、無線ネットワークではスループットと遅延性能を劣化させることが知られている。そこで本研究では,隠れ端末の存在下でのAutoCAに適したMADRL-HTというマルチエージェント深層強化学習パラダイムを提案する。 MADRL-HTは位相的洞察を利用し、各端末の観測空間を端末数に依存しないスケーラブルな形式に変換する。部分的な可観測性を補うため,端末はキャリアが検知したチャネル状態から隠れた端末の挙動を推測し,APからのフィードバックを推測できるように,見返り機構を設けた。ウィンドウベースのグローバル報酬関数を提案し,学習過程における端末の送信機会のバランスを保ちながら,端末にシステムスループットを最大化するように指示する。衝突回避プロトコル (CSMA/CA) を用いたレガシーキャリアセンス多重アクセスに対して, 提案手法の優れた性能を検証した。

関連論文リスト

Deep Reinforcement Learning for Interference Management in UAV-based 3D Networks: Potentials and Challenges [137.47736805685457]
チャネル情報を知らなくても干渉を効果的に軽減できることを示す。干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
論文参考訳（メタデータ） (2023-05-11T18:06:46Z)
Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A Reinforcement Learning Based Approach [61.74489383629319]
新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。閉ループアクセス制御の強化学習(RL)支援方式を提案する。深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
論文参考訳（メタデータ） (2023-03-05T12:25:49Z)
Towards an Error-free Deep Occupancy Detector for Smart Camera Parking System [0.26249027950824505]
我々は,OcpDetと呼ばれる物体検出装置による自律的占有度を提供する,エンドツーエンドのスマートカメラ駐車システムを提案する。我々の検出器はまた、トレーニングや空間知識といった対照的なモジュールからの有意義な情報も提供しています。我々は、既存のPKLotデータセット上でOcpDetをベンチマークし、従来の分類ソリューションと比較して競合する結果を得た。
論文参考訳（メタデータ） (2022-08-17T11:02:29Z)
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)
Channel-wise Gated Res2Net: Towards Robust Detection of Synthetic Speech Attacks [67.7648985513978]
自動話者検証(ASV)における既存のアンチスプーフィングのアプローチは、未確認攻撃に対する一般化性に欠ける。本稿では,チャネルワイズゲーティング機構を実現するためにRes2Netを改良した新しいCG-Res2Netを提案する。
論文参考訳（メタデータ） (2021-07-19T12:27:40Z)
Quantized Federated Learning under Transmission Delay and Outage Constraints [30.892724364965005]
フェデレートラーニング(Federated Learning)は、無線エッジ内の巨大なモバイルデバイスと協調して機械学習モデルをトレーニングする、実行可能な分散学習パラダイムである。無線リソースが限られている実用的なシステムでは、多数のモデルパラメータの送信は量子化エラー(QE)と送信停止(TO)に必然的に悩まされる。我々は,無線リソースと量子化ビットをクライアント間で共同で割り当て,QEを最小化するとともに,クライアントがTO確率を持つようにする,堅牢なFLスキームFedTOEを提案する。
論文参考訳（メタデータ） (2021-06-17T11:29:12Z)
Autodidactic Neurosurgeon: Collaborative Deep Inference for Mobile Edge Intelligence via Online Learning [19.013102763434794]
本稿では,資源制約のあるモバイルデバイスと強力なエッジサーバとの間に協調的な深層推論システムを構築する。我々のシステムには、Autodidactic Neurosurgeon (ANS)と呼ばれるオンライン学習モジュールが組み込まれており、最適な分割点を自動的に学習する。 ANSは、トラッキングシステムの変更とエンドツーエンドの推論遅延の低減の観点から、最先端のベンチマークを著しく上回る。
論文参考訳（メタデータ） (2021-02-02T18:50:06Z)
FedRec: Federated Learning of Universal Receivers over Fading Channels [92.15358738530037]
本稿では,ダウンリンクフェージングチャネルに対するニューラルネットワークを用いたシンボル検出手法を提案する。複数のユーザが協力して、普遍的なデータ駆動型検出器を学習する。得られた受信機の性能は、フェーディング統計の知識を必要とせずに、様々なチャネル条件下でMAP性能に近づくことを示す。
論文参考訳（メタデータ） (2020-11-14T11:29:55Z)
Blind Federated Edge Learning [93.29571175702735]
フェデレーションエッジ学習(FEEL)について検討し,それぞれが独自のデータセットを持つ無線エッジデバイスでグローバルモデルを学ぶ。そこで本研究では,デバイスがローカル更新を非符号化方式で送信する,アナログオーバ・ザ・エアのアグリゲーション方式を提案する。
論文参考訳（メタデータ） (2020-10-19T16:22:28Z)
Lane Detection Model Based on Spatio-Temporal Network With Double Convolutional Gated Recurrent Units [11.968518335236787]
レーン検出は今後しばらくは未解決の問題として残るだろう。二重円錐 Gated Recurrent Units (ConvGRUs) を用いた時空間ネットワークは、困難なシーンにおける車線検出に対処することを提案した。我々のモデルは最先端の車線検出モデルより優れている。
論文参考訳（メタデータ） (2020-08-10T06:50:48Z)

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。