論文の概要: A neural approach to synchronization in wireless networks with
heterogeneous sources of noise
- arxiv url: http://arxiv.org/abs/2212.03327v1
- Date: Tue, 6 Dec 2022 21:14:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 16:58:48.598762
- Title: A neural approach to synchronization in wireless networks with
heterogeneous sources of noise
- Title(参考訳): 異種雑音源を用いた無線ネットワークの同期化へのニューラルアプローチ
- Authors: Maurizio Mongelli, Stefano Scanzio
- Abstract要約: 本論文は、同期の質に影響を与える要因の存在下でのクロック同期の状態推定に対処する。
例えば、温度変化や遅延非対称性がある。
提案手法は, 伝送路の温度変化, 遅延分布, 非対称性のレベルに頑健であることを明らかにする。
- 参考スコア(独自算出の注目度): 2.023315598404668
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The paper addresses state estimation for clock synchronization in the
presence of factors affecting the quality of synchronization. Examples are
temperature variations and delay asymmetry. These working conditions make
synchronization a challenging problem in many wireless environments, such as
Wireless Sensor Networks or WiFi. Dynamic state estimation is investigated as
it is essential to overcome non-stationary noises. The two-way timing message
exchange synchronization protocol has been taken as a reference. No a-priori
assumptions are made on the stochastic environments and no temperature
measurement is executed. The algorithms are unequivocally specified offline,
without the need of tuning some parameters in dependence of the working
conditions. The presented approach reveals to be robust to a large set of
temperature variations, different delay distributions and levels of asymmetry
in the transmission path.
- Abstract(参考訳): 本稿では,同期品質に影響する要因の存在下でのクロック同期状態推定について述べる。
例えば、温度変化や遅延非対称性がある。
これらの作業条件は、無線センサネットワークやWiFiなど、多くの無線環境において、同期が困難な問題となっている。
非定常ノイズを克服するために必要な動的状態推定について検討する。
双方向メッセージ交換同期プロトコルは参照として利用されてきた。
確率環境ではa-プリオリの仮定は行われず、温度測定は行われない。
アルゴリズムは、作業条件に依存するパラメータをチューニングすることなく、オフラインで明確に指定されている。
提案手法は, 温度変動が大きい, 遅延分布が異なる, 伝送路の非対称性のレベルに頑健であることが判明した。
関連論文リスト
- Robust Angular Synchronization via Directed Graph Neural Networks [22.343880231555463]
GNNSyncは、有向グラフニューラルネットワークを用いた理論的に座屈したエンドツーエンドのトレーニング可能なフレームワークである。
GNNSyncは、角同期問題に対する総合的なベースラインセットに対して、競争力があり、しばしば優位に立つ。
論文 参考訳(メタデータ) (2023-10-09T16:37:19Z) - Neural Laplace Control for Continuous-time Delayed Systems [76.81202657759222]
本稿では,ニューラルラプラス力学モデルとモデル予測制御(MPC)プランナを組み合わせた連続時間モデルに基づくオフラインRL法を提案する。
専門家の政策性能に近い連続的な遅延環境を実験的に示す。
論文 参考訳(メタデータ) (2023-02-24T12:40:28Z) - Approximating Optimal Estimation of Time Offset Synchronization with
Temperature Variations [2.023315598404668]
温度変動が存在する場合の時間オフセット同期の問題に対処する。
マスタとスレーブ間のクロックオフセットの最適推定を近似するために,関数最適化手法を開発した。
論文 参考訳(メタデータ) (2022-12-14T10:00:53Z) - Deep Reinforcement Learning for IRS Phase Shift Design in
Spatiotemporally Correlated Environments [93.30657979626858]
本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。
チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
論文 参考訳(メタデータ) (2022-11-02T22:07:36Z) - Constraints on parameter choices for successful reservoir computing [0.0]
時系列予測の成功に必要となる他の条件について検討する。
予測性能の重要なパラメータを2つ同定し、予測が成功した領域を見つけるためにパラメータスイープを実行する。
論文 参考訳(メタデータ) (2022-06-03T12:10:48Z) - 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) - Deep Reinforcement Learning for Wireless Scheduling in Distributed
Networked Control [56.77877237894372]
この研究は、分散植物、センサー、アクチュエータ、コントローラを備えた完全な分散WNCSを考慮し、限られた数の周波数チャネルを共有する。
最適な送信スケジューリング問題を決定プロセス問題に定式化し、それを解くための深層強化学習アルゴリズムを開発する。
論文 参考訳(メタデータ) (2021-09-26T11:27:12Z) - Decentralized Optimization with Heterogeneous Delays: a Continuous-Time
Approach [6.187780920448871]
非同期アルゴリズムを解析するための新しい連続時間フレームワークを提案する。
我々は,スムーズな凸関数と強い凸関数の和を最小化するために,完全に非同期な分散アルゴリズムを記述する。
論文 参考訳(メタデータ) (2021-06-07T13:09:25Z) - Synergetic Learning of Heterogeneous Temporal Sequences for
Multi-Horizon Probabilistic Forecasting [48.8617204809538]
本稿では,新しい条件生成モデルである変分相乗型マルチホライゾンネットワーク(VSMHN)を提案する。
不均一なシーケンス間で複雑な相関関係を学習するために、深部プロセスモデルと変動的リカレントニューラルネットワークの進歩を組み合わせるために、調整されたエンコーダが考案された。
我々のモデルは変動予測を用いて効果的に訓練でき、モンテカルロシミュレーションを用いて予測を生成することができる。
論文 参考訳(メタデータ) (2021-01-31T11:00:55Z) - Stability and Identification of Random Asynchronous Linear
Time-Invariant Systems [81.02274958043883]
線形力学系の安定性に対するランダム化と非同期化の付加的な利点を示す。
未知のランダム化LTIシステムに対して,基礎となる力学を復元するための系統的同定手法を提案する。
論文 参考訳(メタデータ) (2020-12-08T02:00:04Z)
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。