Fugu-MT 論文翻訳(概要): A Novel Resource Allocation for Anti-jamming in Cognitive-UAVs: an Active Inference Approach

論文の概要: A Novel Resource Allocation for Anti-jamming in Cognitive-UAVs: an Active Inference Approach

arxiv url: http://arxiv.org/abs/2208.05269v1
Date: Wed, 10 Aug 2022 11:03:52 GMT
ステータス: 処理完了
システム内更新日: 2022-08-11 12:43:57.976163
Title: A Novel Resource Allocation for Anti-jamming in Cognitive-UAVs: an Active Inference Approach
Title（参考訳）: cognitive-uavsにおけるアンチジャミングのための新しいリソース割り当て:アクティブ推論アプローチ
Authors: Ali Krayani, Atm S. Alam, Lucio Marcenaro, Arumugam Nallanathan, Carlo Regazzoni
Abstract要約: 本研究では,アクティブ推論(textitAIn$)を用いた認知無線におけるアンチジャミングのための新たな資源配分戦略を提案する。
参考スコア（独自算出の注目度）: 40.196011468695914
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work proposes a novel resource allocation strategy for anti-jamming in Cognitive Radio using Active Inference ($\textit{AIn}$), and a cognitive-UAV is employed as a case study. An Active Generalized Dynamic Bayesian Network (Active-GDBN) is proposed to represent the external environment that jointly encodes the physical signal dynamics and the dynamic interaction between UAV and jammer in the spectrum. We cast the action and planning as a Bayesian inference problem that can be solved by avoiding surprising states (minimizing abnormality) during online learning. Simulation results verify the effectiveness of the proposed $\textit{AIn}$ approach in minimizing abnormalities (maximizing rewards) and has a high convergence speed by comparing it with the conventional Frequency Hopping and Q-learning.
Abstract（参考訳）: 本研究では,アクティブ推論(\textit{ain}$)を用いたコグニティブ無線におけるアンチジャミングのための新しいリソース割り当て戦略を提案し,コグニティブuavをケーススタディとして用いる。アクティブ一般化ベイズネットワーク(active-gdbn)は、物理信号のダイナミクスとスペクトル内のuavとジャマーの動的相互作用を共同で符号化する外部環境を表現するために提案されている。オンライン学習において,予期せぬ状態(異常の最小化)を避けることで,ベイズ推論問題として行動と計画を行った。シミュレーションの結果,異常(報酬の最大化)を最小化するための$\textit{AIn}$アプローチの有効性を検証し,従来の周波数ホッピングとQ-ラーニングを比較して高い収束速度を示した。

関連論文リスト

Adaptive Anomaly Detection in Network Flows with Low-Rank Tensor Decompositions and Deep Unrolling [9.20186865054847]
異常検出(AD)は、将来の通信システムのレジリエンスを確保するための重要な要素として、ますます認識されている。この研究は、不完全測定を用いたネットワークフローにおけるADについて考察する。本稿では,正規化モデル適合性に基づくブロック帰属凸近似アルゴリズムを提案する。ベイズ的アプローチに触発されて、我々はモデルアーキテクチャを拡張し、フローごとのオンライン適応とステップごとの統計処理を行う。
論文参考訳（メタデータ） (2024-09-17T19:59:57Z)
Enhancing Population-based Search with Active Inference [0.0]
本稿では,アクティブ推論を人口ベースメタヒューリスティクスに統合し,性能を向上させることを提案する。実験結果から,能動推論は計算コストを極端に増加させるだけで,いくつかの改善された解が得られることが示唆された。
論文参考訳（メタデータ） (2024-08-18T17:21:21Z)
Secure Hierarchical Federated Learning in Vehicular Networks Using Dynamic Client Selection and Anomaly Detection [10.177917426690701]
階層的フェデレートラーニング(HFL)は、車両ネットワークにおける敵または信頼できない車両の課題に直面している。本研究では,動的車両選択とロバストな異常検出機構を統合した新しい枠組みを提案する。提案アルゴリズムは,強烈な攻撃条件下においても顕著なレジリエンスを示す。
論文参考訳（メタデータ） (2024-05-25T18:31:20Z)
ACE : Off-Policy Actor-Critic with Causality-Aware Entropy Regularization [52.5587113539404]
因果関係を考慮したエントロピー(entropy)という用語を導入し,効率的な探索を行うための潜在的影響の高いアクションを効果的に識別し,優先順位付けする。提案アルゴリズムであるACE:Off-policy Actor-critic with Causality-aware Entropy regularizationは,29種類の連続制御タスクに対して,大幅な性能上の優位性を示す。
論文参考訳（メタデータ） (2024-02-22T13:22:06Z)
Diffusion-Based Particle-DETR for BEV Perception [94.88305708174796]
Bird-Eye-View (BEV)は、自律走行車(AV)における視覚知覚のための最も広く使われているシーンの1つである。近年の拡散法は、視覚知覚のための不確実性モデリングに有望なアプローチを提供するが、BEVの広い範囲において、小さな物体を効果的に検出することができない。本稿では,BEVにおける拡散パラダイムと最先端の3Dオブジェクト検出器を組み合わせることで,この問題に対処する。
論文参考訳（メタデータ） (2023-12-18T09:52:14Z)
Joint User Association, Interference Cancellation and Power Control for Multi-IRS Assisted UAV Communications [80.35959154762381]
インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
論文参考訳（メタデータ） (2023-12-08T01:57:10Z)
Value function estimation using conditional diffusion models for control [62.27184818047923]
拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
論文参考訳（メタデータ） (2023-06-09T18:40:55Z)
VRA: Variational Rectified Activation for Out-of-distribution Detection [45.804178022641764]
アウト・オブ・ディストリビューション(OOD)検出は、オープンな世界で信頼性の高い機械学習システムを構築する上で重要である。 ReActはモデル過信に対処する典型的な効果的な手法であり、高いアクティベーションを減らし、流通とOODのギャップを増大させる。本稿では,これらの抑制と増幅操作を一括関数を用いてシミュレートする「変分整定活性化(VRA)'」という新しい手法を提案する。
論文参考訳（メタデータ） (2023-02-23T00:45:14Z)
Asynchronous Bayesian Learning over a Network [18.448653247778143]
本稿では,ネットワーク化されたエージェントが生データを共有せずに分散ベイズ学習を行うための非同期データ融合モデルを提案する。アルゴリズムは、ランダムに選択されたエージェントのペアがパラメータサンプリングのために調整されていないランゲヴィンダイナミクスを使用するゴシップベースのアプローチを用いる。本稿では,ゴシップエージェント間の通信をさらに削減するイベントトリガー機構を提案する。
論文参考訳（メタデータ） (2022-11-16T01:21:36Z)
Deep Equilibrium Assisted Block Sparse Coding of Inter-dependent Signals: Application to Hyperspectral Imaging [71.57324258813675]
相互依存信号のデータセットは、列が強い依存を示す行列として定義される。ニューラルネットワークは、事前に構造として機能し、基礎となる信号相互依存性を明らかにするために使用される。ディープ・アンローリングとディープ・平衡に基づくアルゴリズムが開発され、高度に解釈可能で簡潔なディープ・ラーニング・ベース・アーキテクチャを形成する。
論文参考訳（メタデータ） (2022-03-29T21:00:39Z)

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。