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
- FM-TS: Flow Matching for Time Series Generation [71.31148785577085]
本稿では、時系列生成のための修正フローマッチングベースのフレームワークFM-TSを紹介する。
FM-TSは、トレーニングと推論の点でより効率的である。
我々は、太陽予測とMuJoCo計算タスクにおいて優れた性能を達成した。
論文 参考訳（メタデータ） (2024-11-12T03:03:23Z) - Quantum synchronization in one-dimensional topological systems [4.680781132156346]
量子系におけるシンクロナイゼーションは、中心サイトへの散逸を適用して誘導することができる。
トポロジカルエッジ状態に由来する2種類の同期は、境界点間の対角線外あるいは対角線の相関によって特徴づけられる。
注目すべきは、同期振動は熱力学的限界において安定した振幅と周波数を維持することである。
論文 参考訳（メタデータ） (2024-09-19T09:03:09Z) - DASA: Delay-Adaptive Multi-Agent Stochastic Approximation [64.32538247395627]
我々は,N$エージェントが並列に動作し,中央サーバと通信することで,一般的な近似問題を高速化することを目的とした設定を考える。
遅延とストラグラーの効果を軽減するために,マルチエージェント近似のための遅延適応アルゴリズムである textttDASA を提案する。
論文 参考訳（メタデータ） (2024-03-25T22:49:56Z) - Queuing dynamics of asynchronous Federated Learning [15.26212962081762]
計算速度の異なるノードを用いた非同期フェデレーション学習機構について検討する。
本稿では、より複雑な遅延を低減できる中央サーバのための一様でないサンプリング方式を提案する。
画像分類問題に対する現状の非同期アルゴリズムよりも,提案手法の大幅な改善が明らかとなった。
論文 参考訳（メタデータ） (2024-02-12T18:32:35Z) - 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) - 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。