論文の概要: Multi-Armed Bandit Learning for Content Provisioning in Network of UAVs
- arxiv url: http://arxiv.org/abs/2312.14967v1
- Date: Mon, 18 Dec 2023 15:24:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-31 03:13:23.249108
- Title: Multi-Armed Bandit Learning for Content Provisioning in Network of UAVs
- Title（参考訳）: UAVネットワークにおけるコンテンツ提供のためのマルチタスク帯域学習
- Authors: Amit Kumar Bhuyan, Hrishikesh Dutta, and Subir Biswas
- Abstract要約: 本稿では,無人航空機(UAV)による通信災害時のコンテンツ管理システムを提案する。
このようなシナリオで携帯電話のインフラがなければ、静的なUAVと移動可能なUAVのハイブリッドネットワークを使用して、立ち往生したユーザのコミュニティが状況クリティカルなコンテンツにアクセスできるようになる。
比較的静的なアンカーUAVは、中央サーバからコンテンツをダウンロードし、ローカルユーザーへのコンテンツアクセスを提供する。
より広い移動性を持つ空母UAVのセットは、異なるユーザコミュニティを訪れながら、異なるアンカーUAVにまたがってコンテンツを供給することができる。
- 参考スコア（独自算出の注目度）: 2.3076690318595676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes an unmanned aerial vehicle (UAV) aided content management
system in communication-challenged disaster scenarios. Without cellular
infrastructure in such scenarios, community of stranded users can be provided
access to situation-critical contents using a hybrid network of static and
traveling UAVs. A set of relatively static anchor UAVs can download content
from central servers and provide content access to its local users. A set of
ferrying UAVs with wider mobility can provision content to users by shuffling
them across different anchor UAVs while visiting different communities of
users. The objective is to design a content dissemination system that
on-the-fly learns content caching policies for maximizing content availability
to the stranded users. This paper proposes a decentralized Top-k Multi-Armed
Bandit Learning model for UAV-caching decision-making that takes geo-temporal
differences in content popularity and heterogeneity in content demands into
consideration. The proposed paradigm is able to combine the expected reward
maximization attribute and a proposed multi-dimensional reward structure of
Top-k Multi-Armed Bandit, for caching decision at the UAVs. This study is done
for different user-specified tolerable access delay, heterogeneous popularity
distributions, and inter-community geographical characteristics. Functional
verification and performance evaluation of the proposed caching framework is
done for a wide range of network size, UAV distribution, and content
popularity.
- Abstract（参考訳）: 本稿では,無人航空機(UAV)による通信災害時のコンテンツ管理システムを提案する。
このようなシナリオでは、セルラーインフラストラクチャがなければ、スタティックとトラベルのuavのハイブリッドネットワークを使用して、立ち往生したユーザのコミュニティが状況クリティカルなコンテンツにアクセスできるようになる。
比較的静的なアンカーUAVは、中央サーバからコンテンツをダウンロードし、ローカルユーザーへのコンテンツアクセスを提供する。
より広い移動性を持つ空母UAVのセットは、異なるユーザコミュニティを訪れながら、異なるアンカーUAVにまたがってコンテンツを供給することができる。
本研究の目的は,コンテンツ利用率を最大化するためのコンテンツキャッシュポリシをオンザフライで学習するコンテンツ配信システムの設計である。
本稿では,UAVキャッシュ決定のための分散型Top-k Multi-Armed Bandit Learningモデルを提案する。
提案手法は,UAVにおけるキャッシュ決定のために,期待される報酬最大化属性とTop-k Multi-Armed Banditの多次元報酬構造を組み合わせることができる。
本研究は,ユーザ指定の耐久アクセス遅延,不均一な人気分布,コミュニティ間地理的特性について検討した。
提案するキャッシングフレームワークの機能検証と性能評価は,ネットワークサイズ,uav分布,コンテンツ人気など幅広い範囲で実施されている。
関連論文リスト
- Top-k Multi-Armed Bandit Learning for Content Dissemination in Swarms of Micro-UAVs [2.3076690318595676]
本稿では, マイクロ無人航空機(UAV)による高度コンテンツ管理システムを提案する。
携帯電話のインフラがない状態では、固定型および移動型UAVのハイブリッドネットワークを配置し、孤立したコミュニティに重要なコンテンツアクセスを提供する。
第一の目的は、コンテンツアクセシビリティを最大化するためにキャッシュポリシーを動的に学習する適応型コンテンツ配信システムを開発することである。
論文 参考訳（メタデータ） (2024-04-16T18:47:07Z) - Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。
本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T12:36:08Z) - Integrated Sensing, Computation, and Communication for UAV-assisted
Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。
無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文 参考訳（メタデータ） (2023-06-05T16:01:33Z) - Deep Reinforcement Learning for Combined Coverage and Resource
Allocation in UAV-aided RAN-slicing [1.7214664783818676]
この研究は、UAV-BS(UAV-BS)がネットワークスライシング機能を備えたUAV支援5Gネットワークを提示する。
ネットワークスライシング環境におけるUAV-BSに対するマルチエージェントおよびマルチエージェント深部強化学習の第一応用について紹介する。
提示された戦略のパフォーマンスはテストされ、ベンチマークと比較され、さまざまなシナリオにおいて満足度の高いユーザの割合(少なくとも27%以上)が強調されている。
論文 参考訳（メタデータ） (2022-11-15T06:50:00Z) - Content Popularity Prediction in Fog-RANs: A Clustered Federated
Learning Based Approach [66.31587753595291]
本稿では,ローカルユーザとモバイルユーザの両面からコンテンツの人気度を統合した,モビリティに配慮した新しい人気予測ポリシーを提案する。
ローカルユーザにとって、コンテンツの人気は、ローカルユーザやコンテンツの隠された表現を学習することによって予測される。
モバイルユーザーにとって、コンテンツの人気はユーザー好みの学習によって予測される。
論文 参考訳（メタデータ） (2022-06-13T03:34:00Z) - 5G Network on Wings: A Deep Reinforcement Learning Approach to the
UAV-based Integrated Access and Backhaul [11.197456628712846]
無人航空機(UAV)ベースの航空ネットワークは、高速で柔軟で信頼性の高い無線通信のための有望な代替手段を提供する。
本稿では,静的環境と動的環境の両方において,複数のUAV-BSを制御する方法について検討する。
複数のUAV-BSの3次元配置を協調的に最適化するために,深部強化学習アルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-02-04T07:45:06Z) - Robust Semi-supervised Federated Learning for Images Automatic
Recognition in Internet of Drones [57.468730437381076]
プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。
異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。
本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
論文 参考訳（メタデータ） (2022-01-03T16:49:33Z) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - Caching Placement and Resource Allocation for Cache-Enabling UAV NOMA
Networks [87.6031308969681]
本稿では,非直交多重アクセス(NOMA)をサポートした大規模アクセス機能を有する無人航空機(UAV)セルネットワークについて検討する。
コンテンツ配信遅延最小化のための長期キャッシュ配置と資源配分最適化問題をマルコフ決定プロセス(MDP)として定式化する。
そこで我々は,UAVがemphsoft $varepsilon$-greedy戦略を用いて行動の学習と選択を行い,行動と状態の最適な一致を探索する,Qラーニングに基づくキャッシュ配置とリソース割り当てアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-12T08:33:51Z) - Artificial Intelligence Aided Next-Generation Networks Relying on UAVs [140.42435857856455]
動的環境において,人工知能(AI)による無人航空機(UAV)による次世代ネットワーク支援が提案されている。
AI対応のUAV支援無線ネットワーク(UAWN)では、複数のUAVが航空基地局として使用され、ダイナミックな環境に迅速に適応することができる。
AIフレームワークの利点として、従来のUAWNのいくつかの課題が回避され、ネットワークパフォーマンスが向上し、信頼性が向上し、アジャイル適応性が向上する。
論文 参考訳（メタデータ） (2020-01-28T15:10:22Z)
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。