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
- ACE : Off-Policy Actor-Critic with Causality-Aware Entropy
Regularization [54.307506988310045]
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) - UNIQA: A Unified Framework for Both Full-Reference and No-Reference
Image Quality Assessment [53.895598734070695]
完全参照(FR)と非参照(NR)のIQAのための統一ネットワークを提案する。
入力画像から多レベル特徴を抽出するためにエンコーダを用いる。
FRおよびNR入力のユニバーサルアダプタとして階層自己認識(HSA)モジュールを提案する。
HSA と CSCA を採用することにより,提案ネットワークは FR と NR IQA の両方を効果的に実行することができる。
論文 参考訳(メタデータ) (2023-10-14T11:03:04Z) - 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) - Jamming-Resilient Path Planning for Multiple UAVs via Deep Reinforcement
Learning [1.2330326247154968]
無人航空機(UAV)は無線ネットワークの不可欠な部分であると期待されている。
本論文では,複数のセルコネクテッドUAVの衝突のない経路を探索する。
本稿では,オンライン信号対干渉+雑音比マッピングを用いたオフライン時間差学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-04-09T16:52:33Z) - Efficient Online Learning for Cognitive Radar-Cellular Coexistence via
Contextual Thompson Sampling [9.805913930878]
本稿では,適応型レーダ伝送における逐次的,あるいはオンライン学習方式について述べる。
レーダの振舞いを駆動するために、線形コンテキスト帯域学習(CB)フレームワークが適用される。
提案したThompson Smpling (TS)アルゴリズムはより複雑なディープQ-Network (DQN) と競合する性能を維持していることを示す。
論文 参考訳(メタデータ) (2020-08-24T01:20:58Z) - A Model-Based Derivative-Free Approach to Black-Box Adversarial
Examples: BOBYQA [10.667476482648834]
モデルベース微分自由最適化アルゴリズムは,非モデルベース手法よりも少ないネットワーククエリを用いて,ディープネットワークの逆対象誤分類を生成することができることを示す。
許容される$ellinfty$摂動エネルギーを減らしたり、敵の誤分類に対する防御でネットワークを訓練することで、ネットワーククエリの数がより難しくなることを示す。
論文 参考訳(メタデータ) (2020-02-24T16:23:09Z)
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。