論文の概要: Top-k Multi-Armed Bandit Learning for Content Dissemination in Swarms of Micro-UAVs
- arxiv url: http://arxiv.org/abs/2404.10845v1
- Date: Tue, 16 Apr 2024 18:47:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-18 18:12:17.197023
- Title: Top-k Multi-Armed Bandit Learning for Content Dissemination in Swarms of Micro-UAVs
- Title(参考訳): マイクロUAVSwarmにおけるコンテンツ拡散のためのトップkマルチタスク帯域学習
- Authors: Amit Kumar Bhuyan, Hrishikesh Dutta, Subir Biswas,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.3076690318595676
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In communication-deprived disaster scenarios, this paper introduces a Micro-Unmanned Aerial Vehicle (UAV)- enhanced content management system. In the absence of cellular infrastructure, this system deploys a hybrid network of stationary and mobile UAVs to offer vital content access to isolated communities. Static anchor UAVs equipped with both vertical and lateral links cater to local users, while agile micro-ferrying UAVs, equipped with lateral links and greater mobility, reach users in various communities. The primary goal is to devise an adaptive content dissemination system that dynamically learns caching policies to maximize content accessibility. The paper proposes a decentralized Top-k Multi-Armed Bandit (Top-k MAB) learning approach for UAV caching decisions, accommodating geotemporal disparities in content popularity and diverse content demands. The proposed mechanism involves a Selective Caching Algorithm that algorithmically reduces redundant copies of the contents by leveraging the shared information between the UAVs. It is demonstrated that Top-k MAB learning, along with selective caching algorithm, can improve system performance while making the learning process adaptive. The paper does functional verification and performance evaluation of the proposed caching framework under a wide range of network size, swarm of micro-ferrying UAVs, and heterogeneous popularity distributions.
- Abstract(参考訳): 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。
静的アンカーUAVは、垂直リンクと横リンクの両方を備え、アジャイルなマイクロフェリーUAVは、横リンクと大きなモビリティを備え、様々なコミュニティのユーザーにリーチする。
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。
本稿では,UAVキャッシュ決定のための分散型Top-k Multi-Armed Bandit (Top-k MAB)学習手法を提案する。
提案手法は,UAV間の共有情報を活用することで,コンテンツの重複コピーをアルゴリズム的に削減する選択キャッシングアルゴリズムを含む。
また,Top-k MAB学習と選択キャッシングアルゴリズムにより,学習プロセスの適応化を図り,システム性能を向上できることを示した。
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を,ネットワークサイズ,マイクロファーリングUAVの群集,不均一な人気分布で行う。
関連論文リスト
- Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。
この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
論文 参考訳(メタデータ) (2025-02-09T09:15:47Z) - Towards Federated Multi-Armed Bandit Learning for Content Dissemination using Swarm of UAVs [2.3076690318595676]
提案アーキテクチャは,固定型アンカーUAVと移動型マイクロUAVのハイブリッドネットワークをユビキタスコンテンツの普及に活用する。
コンテンツ可用性を最大化するために最適なキャッシュポリシを動的に学習するコンテンツ拡散システムの開発に重点を置いている。
選択キャッシングアルゴリズムも導入され、UAV間の情報共有を組み込むことで冗長なコンテンツの複製を減らすことができる。
論文 参考訳(メタデータ) (2025-01-15T20:55:13Z) - Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。
本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-12-14T06:17:33Z) - Blockchain-enabled Clustered and Scalable Federated Learning (BCS-FL)
Framework in UAV Networks [8.278150104847183]
本稿では,UAVネットワークのためのクラスタ化・拡張型フェデレートラーニング(BCS-FL)フレームワークを提案する。
大規模UAVネットワークにおけるFLの分散化、調整、スケーラビリティ、効率性を改善する。
論文 参考訳(メタデータ) (2024-02-07T12:26:56Z) - Multi-Armed Bandit Learning for Content Provisioning in Network of UAVs [2.3076690318595676]
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。
論文 参考訳(メタデータ) (2023-12-18T15:24:01Z) - 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) - Towards efficient feature sharing in MIMO architectures [102.40140369542755]
マルチインプットのマルチアウトプットアーキテクチャでは、ひとつのベースネットワーク内でマルチワークをトレーニングし、サブネットワーク予測を平均化し、無料でアンサンブルの恩恵を受けることを提案している。
相対的な成功にもかかわらず、これらのアーキテクチャはパラメータの使用に不便である。
この論文では、学習したサブネットワークは、より小さなモバイルやAR/VRデバイスに適用性を制限する汎用的な機能でさえも共有できない点を強調します。
論文 参考訳(メタデータ) (2022-05-20T12:33:34Z) - 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) - Distributed Reinforcement Learning for Privacy-Preserving Dynamic Edge
Caching [91.50631418179331]
MECネットワークにおけるデバイスのキャッシュヒット率を最大化するために,プライバシ保護型分散ディープポリシー勾配(P2D3PG)を提案する。
分散最適化をモデルフリーなマルコフ決定プロセス問題に変換し、人気予測のためのプライバシー保護フェデレーション学習手法を導入する。
論文 参考訳(メタデータ) (2021-10-20T02:48:27Z) - 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)
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。