論文の概要: A hybrid solution for 2-UAV RAN slicing
- arxiv url: http://arxiv.org/abs/2409.11432v1
- Date: Sun, 15 Sep 2024 09:42:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-19 22:12:27.522825
- Title: A hybrid solution for 2-UAV RAN slicing
- Title(参考訳): 2UAV RANスライシング用ハイブリッド溶液
- Authors: Nathan Boyer,
- Abstract要約: インターネットをドローンでユーザーに配布することも可能だ。
しかし、ユーザーの位置に応じてドローンを配置する必要がある。
インターンシップでは、最適化問題として問題を見ることは依然として有用であることを証明したいと思いました。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It's possible to distribute the Internet to users via drones. However it is then necessary to place the drones according to the positions of the users. Moreover, the 5th Generation (5G) New Radio (NR) technology is designed to accommodate a wide range of applications and industries. The NGNM 5G White Paper \cite{5gwhitepaper} groups these vertical use cases into three categories: - enhanced Mobile Broadband (eMBB) - massive Machine Type Communication (mMTC) - Ultra-Reliable Low-latency Communication (URLLC). Partitioning the physical network into multiple virtual networks appears to be the best way to provide a customised service for each application and limit operational costs. This design is well known as \textit{network slicing}. Each drone must thus slice its bandwidth between each of the 3 user classes. This whole problem (placement + bandwidth) can be defined as an optimization problem, but since it is very hard to solve efficiently, it is almost always addressed by AI in the litterature. In my internship, I wanted to prove that viewing the problem as an optimization problem can still be useful, by building an hybrid solution involving on one hand AI and on the other optimization. I use it to achieve better results than approaches that use only AI, although at the cost of slightly larger (but still reasonable) computation times.
- Abstract(参考訳): インターネットをドローンでユーザーに配布することも可能だ。
しかし、ユーザーの位置に応じてドローンを配置する必要がある。
さらに、第5世代(5G)ニューラジオ(NR)技術は幅広い用途や産業に対応するように設計されている。
NGNM 5G White Paper \cite{5gwhitepaper}は、これらの垂直ユースケースを3つのカテゴリに分類している。
物理ネットワークを複数の仮想ネットワークに分割することは、各アプリケーション用にカスタマイズされたサービスを提供し、運用コストを制限する最良の方法のようだ。
この設計は \textit{network slicing} として知られている。
これにより、各ドローンは3つのユーザークラス間で帯域幅をスライスする必要がある。
この問題全体(プレースメントと帯域幅)は最適化問題として定義できるが、効率的な解決は非常に難しいため、ほぼ常に典型的にはAIによって解決される。
インターンシップでは、一方のAIと他方の最適化を含むハイブリッドソリューションを構築することで、問題を最適化問題として見ることが依然として有用であることを証明したかったのです。
AIのみを使用するアプローチよりも優れた結果を得るために、私はそれを使っています。
関連論文リスト
- Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。
このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。
本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
論文 参考訳(メタデータ) (2025-02-17T03:05:20Z) - Generative AI on the Edge: Architecture and Performance Evaluation [0.3999851878220877]
6GのAIネイティブビジョンであるアドバンストインテリジェンスをネットワークに組み込むには、エッジデバイス上のジェネレーティブAI(GenAI)モデルを体系的に評価する必要がある。
本研究では,ORANのエッジテストベッドとして機能する1つのコモディティRaspberry Pi上でのLLM(Large Language Models)推論の計算要求について検討する。
論文 参考訳(メタデータ) (2024-11-18T16:09:01Z) - FusionLLM: A Decentralized LLM Training System on Geo-distributed GPUs with Adaptive Compression [55.992528247880685]
分散トレーニングは、システム設計と効率に関する重要な課題に直面します。
大規模深層ニューラルネットワーク(DNN)のトレーニング用に設計・実装された分散トレーニングシステムFusionLLMを提案する。
本システムと手法は,収束性を確保しつつ,ベースライン法と比較して1.45~9.39倍の高速化を実現可能であることを示す。
論文 参考訳(メタデータ) (2024-10-16T16:13:19Z) - Twin Sorting Dynamic Programming Assisted User Association and Wireless Bandwidth Allocation for Hierarchical Federated Learning [7.274131715810928]
階層型フェデレーション学習システムにおけるユーザアソシエーションと無線帯域幅割り当てについて検討する。
エッジサーバが2つある場合に,グローバルな最適解を求めるTSDPアルゴリズムを設計する。
さらに,3つ以上のエッジサーバが存在する場合に,ユーザアソシエーションのためのTSDP支援アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-08-17T02:29:32Z) - Tiny Multi-Agent DRL for Twins Migration in UAV Metaverses: A Multi-Leader Multi-Follower Stackelberg Game Approach [57.15309977293297]
無人航空機(UAV)とメタバースの相乗効果は、UAVメタバースと呼ばれる新しいパラダイムを生み出している。
本稿では,UAVメタバースにおける効率的なUTマイグレーションのためのプルーニング技術に基づく,機械学習に基づく小さなゲームフレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-18T02:14:13Z) - Edge-MoE: Memory-Efficient Multi-Task Vision Transformer Architecture
with Task-level Sparsity via Mixture-of-Experts [60.1586169973792]
M$3$ViTは、Mix-of-experts (MoE)を導入した最新のマルチタスクViTモデルである。
MoEは精度の向上と80%以上の削減計算を実現しているが、FPGAに効率的なデプロイを行う上での課題は残されている。
Edge-MoEと呼ばれる私たちの研究は、アーキテクチャの革新の集合を伴って、マルチタスクのViTのための最初のエンドツーエンドFPGAアクセラレータを導入するという課題を解決します。
論文 参考訳(メタデータ) (2023-05-30T02:24:03Z) - Communication-Efficient Adam-Type Algorithms for Distributed Data Mining [93.50424502011626]
我々はスケッチを利用した新しい分散Adam型アルゴリズムのクラス(例:SketchedAMSGrad)を提案する。
我々の新しいアルゴリズムは、反復毎に$O(frac1sqrtnT + frac1(k/d)2 T)$の高速収束率を$O(k log(d))$の通信コストで達成する。
論文 参考訳(メタデータ) (2022-10-14T01:42:05Z) - 5G Routing Interfered Environment [0.0]
本稿では,5Gルーティング干渉環境(5GRIE)の設計について述べる。
この環境は、定式化された干渉モデルを用いて、パケットを周波数源と宛先ペアでルーティングするための異なるアルゴリズムを実行することができる。
論文 参考訳(メタデータ) (2022-03-28T14:25:45Z) - Sum-Rate Maximization for UAV-assisted Visible Light Communications
using NOMA: Swarm Intelligence meets Machine Learning [15.385078410753986]
非直交多重アクセスネットワークを用いたUAV支援可視光通信(VLC)を検討する。
サービス利用者とUAVの位置の合計を最大化するために、電力配分とUAV配置の問題を策定します。
ハリスホークス最適化(HHO)を用いて定式化課題の解法と効率的な解法を提案する。
論文 参考訳(メタデータ) (2021-01-10T08:21:49Z) - A Fast Graph Neural Network-Based Method for Winner Determination in
Multi-Unit Combinatorial Auctions [44.14410999484577]
オークション(Auction, ACA)は、クラウドコンピューティングを含むさまざまな分野におけるリソース割り当ての効率的なメカニズムである。
競売人の収入を最大化するために入札者間でアイテムを割り当てることの問題は、NP完全で解決不可能である。
本稿では、機械学習(ML)技術を活用して、この問題を解決するための新たな低複雑さアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-09-29T00:22:37Z) - Joint Parameter-and-Bandwidth Allocation for Improving the Efficiency of
Partitioned Edge Learning [73.82875010696849]
機械学習アルゴリズムは、人工知能(AI)モデルをトレーニングするために、ネットワークエッジにデプロイされる。
本稿では,パラメータ(計算負荷)割り当てと帯域幅割り当ての新しい共同設計に焦点を当てる。
論文 参考訳(メタデータ) (2020-03-10T05:52:15Z)
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。