論文の概要: On the Implementation of a Reinforcement Learning-based Capacity Sharing Algorithm in O-RAN

• arxiv url: http://arxiv.org/abs/2207.10390v1
• Date: Thu, 21 Jul 2022 09:58:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-22 13:50:22.172919
• Title: On the Implementation of a Reinforcement Learning-based Capacity Sharing Algorithm in O-RAN
• Title（参考訳）: O-RANにおける強化学習に基づく容量共有アルゴリズムの実装について
• Authors: Irene Vil\`a, Oriol Sallent, Jordi P\'erez-Romero
• Abstract要約: 無線アクセスネットワーク(RAN)スライシングにおけるキャパシティ共有問題は、様々なRANスライス内のRANノードで利用可能なキャパシティの分布に対処し、そのトラフィック要求を満たし、無線リソースを効率的に利用する。 本稿では,O-RANアーキテクチャ上での強化学習に基づくキャパシティ共有アルゴリズムの実装について述べる。
• 参考スコア（独自算出の注目度）: 0.12891210250935145
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The capacity sharing problem in Radio Access Network (RAN) slicing deals with the distribution of the capacity available in each RAN node among various RAN slices to satisfy their traffic demands and efficiently use the radio resources. While several capacity sharing algorithmic solutions have been proposed in the literature, their practical implementation still remains as a gap. In this paper, the implementation of a Reinforcement Learning-based capacity sharing algorithm over the O-RAN architecture is discussed, providing insights into the operation of the involved interfaces and the containerization of the solution. Moreover, the description of the testbed implemented to validate the solution is included and some performance and validation results are presented.
• Abstract（参考訳）: 無線アクセスネットワーク(RAN)スライシングにおけるキャパシティ共有問題は、様々なRANスライス内のRANノードで利用可能なキャパシティの分布に対処し、そのトラフィック要求を満たし、無線リソースを効率的に利用する。 いくつかのキャパシティ共有アルゴリズムが文献で提案されているが、その実用的な実装はいまだにギャップとして残されている。 本稿では,o-ranアーキテクチャ上の強化学習に基づくキャパシティ共有アルゴリズムの実装について検討し,関連するインタフェースの動作とソリューションのコンテナ化に関する洞察を提供する。 さらに、ソリューションを検証するために実装されたテストベッドの記述を含み、いくつかのパフォーマンスと検証結果を示す。

関連論文リスト

• Rethinking Clustered Federated Learning in NOMA Enhanced Wireless Networks [60.09912912343705]
  本研究では,新しいクラスタ化フェデレーション学習(CFL)アプローチと,非独立かつ同一に分散した(非IID)データセットを統合することのメリットについて検討する。 データ分布における非IIDの度合いを測定する一般化ギャップの詳細な理論的解析について述べる。 非IID条件によって引き起こされる課題に対処する解決策は、特性の分析によって提案される。
  論文  参考訳（メタデータ） (2024-03-05T17:49:09Z)
• Semi-Supervised Learning Approach for Efficient Resource Allocation with Network Slicing in O-RAN [5.1435595246496595]
  本稿では資源配分問題に対する革新的なアプローチを紹介する。 Open Radio Access Network (O-RAN) におけるネットワークスライシングとリソース割り当てのために、複数の独立したx-appplications (xAPPs) を協調することを目的としている。
  論文  参考訳（メタデータ） (2024-01-16T22:23:27Z)
• Safe and Accelerated Deep Reinforcement Learning-based O-RAN Slicing: A Hybrid Transfer Learning Approach [20.344810727033327]
  我々は,DRLをベースとしたO-RANスライシングにおいて,安全かつ迅速な収束を実現するためのハイブリッドTL支援手法を提案し,設計する。 提案されたハイブリッドアプローチは、少なくとも7.7%と20.7%は、平均的な初期報酬値と収束シナリオの割合を改善している。
  論文  参考訳（メタデータ） (2023-09-13T18:58:34Z)
• MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion Control in Real Networks [63.24965775030673]
  そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。 我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。 我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
  論文  参考訳（メタデータ） (2023-02-02T18:27:20Z)
• State-Augmented Learnable Algorithms for Resource Management in Wireless Networks [124.89036526192268]
  本稿では,無線ネットワークにおける資源管理問題を解決するためのステート拡張アルゴリズムを提案する。 提案アルゴリズムは, RRM決定を可能, ほぼ最適に行うことができることを示す。
  論文  参考訳（メタデータ） (2022-07-05T18:02:54Z)
• Semantic-Aware Collaborative Deep Reinforcement Learning Over Wireless Cellular Networks [82.02891936174221]
  複数のエージェントが無線ネットワーク上で協調できるコラボレーティブディープ強化学習(CDRL)アルゴリズムは有望なアプローチである。 本稿では,リソース制約のある無線セルネットワーク上で,意味的にリンクされたDRLタスクを持つ未学習エージェントのグループを効率的に協調させる,新しい意味認識型CDRL手法を提案する。
  論文  参考訳（メタデータ） (2021-11-23T18:24:47Z)
• Deep Learning Methods for Joint Optimization of Beamforming and Fronthaul Quantization in Cloud Radio Access Networks [12.838832724944615]
  クラウド無線ネットワーク(C-RAN)システムでは,AP間の協調ビームフォーミングとフロントハウライズ戦略が不可欠である。 非次元量問題は、AP当たりの電力とフロントホール容量の制約から導かれる。 我々は、よく訓練された深層ニューラルネットワーク(DNN)が存在する深層学習最適化モジュールについて検討する。 提案手法の利点を数値計算により検証した。
  論文  参考訳（メタデータ） (2021-07-06T10:27:43Z)
• Cooperative Multi-Agent Reinforcement Learning Based Distributed Dynamic Spectrum Access in Cognitive Radio Networks [46.723006378363785]
  ダイナミックスペクトルアクセス(DSA)は、非効率的なスペクトル利用の問題を改善するための、有望なパラダイムである。 本稿では,一般的な認知無線ネットワークにおけるマルチユーザに対する分散DSA問題について検討する。 我々は、各認知ユーザに対する状態の部分的観測可能性に対処するために、DRQN(Deep Recurrent Q-network)を用いている。
  論文  参考訳（メタデータ） (2021-06-17T06:52:21Z)
• Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
  クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。 既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。 本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
  論文  参考訳（メタデータ） (2021-03-25T14:03:42Z)
• Task-Based Information Compression for Multi-Agent Communication Problems with Channel Rate Constraints [28.727611928919725]
  本稿では,情報圧縮アルゴリズム(SAIC)のステートアグリゲーションを導入し,定式化TBIC問題の解法を提案する。 その結果,SAICは割引報酬の総和でほぼ最適性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2020-05-28T18:29:21Z)

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。