論文の概要: Contextual Bandits with Non-Stationary Correlated Rewards for User Association in MmWave Vehicular Networks
- arxiv url: http://arxiv.org/abs/2410.05785v1
- Date: Tue, 8 Oct 2024 08:10:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-01 12:49:50.755883
- Title: Contextual Bandits with Non-Stationary Correlated Rewards for User Association in MmWave Vehicular Networks
- Title（参考訳）: MmWaveVehicular Networkにおけるユーザアソシエーションのための非定常関連リワード付きコンテキスト帯域
- Authors: Xiaoyang He, Xiaoxia Huang, Lanhua Li,
- Abstract要約: チャネル状態情報(CSI)を明示的に測定することなく、最新のユーザアソシエーションを確立するための半分散文脈相関上信頼境界(SD-CC-UCB)アルゴリズムを提案する。
SD-CC-UCBは、コンテキスト的マルチアーム・バンディット・フレームワークの下で、車両の位置と速度から送信率を学習し、予測し、ユーザ・アソシエーションの迅速な決定のために複雑なチャネル条件を適切にキャプチャする。
提案アルゴリズムは,完全瞬時CSIを必要とするベンチマークアルゴリズムの100%から103%以内のネットワークスループットを実現する。
- 参考スコア（独自算出の注目度）: 2.5206846348004506
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Millimeter wave (mmWave) communication has emerged as a propelling technology in vehicular communication. Usually, an appropriate decision on user association requires timely channel information between vehicles and base stations (BSs), which is challenging given a fast-fading mmWave vehicular channel. In this paper, relying solely on learning transmission rate, we propose a low-complexity semi-distributed contextual correlated upper confidence bound (SD-CC-UCB) algorithm to establish an up-to-date user association without explicit measurement of channel state information (CSI). Under a contextual multi-arm bandits framework, SD-CC-UCB learns and predicts the transmission rate given the location and velocity of the vehicle, which can adequately capture the intricate channel condition for a prompt decision on user association. Further, SD-CC-UCB efficiently identifies the set of candidate BSs which probably support supreme transmission rate by leveraging the correlated distributions of transmission rates on different locations. To further refine the learning transmission rate over the link to candidate BSs, each vehicle deploys the Thompson Sampling algorithm by taking the interference among vehicles and handover overhead into consideration. Numerical results show that our proposed algorithm achieves the network throughput within 100%-103% of a benchmark algorithm which requires perfect instantaneous CSI, demonstrating the effectiveness of SD-CC-UCB in vehicular communications.
- Abstract（参考訳）: 車両通信における推進技術としてミリ波通信(mmWave)が出現している。
通常、ユーザアソシエーションに関する適切な判断は、車両と基地局(BS)間のタイムリーなチャネル情報を必要とする。
本稿では,学習の伝達速度のみに頼って,チャネル状態情報(CSI)を明示的に測定することなく,最新のユーザアソシエーションを確立するために,低複雑さな半分散文脈相関上信頼境界(SD-CC-UCB)アルゴリズムを提案する。
SD-CC-UCBは、コンテキスト的マルチアーム・バンディット・フレームワークの下で、車両の位置と速度から送信率を学習し、予測し、ユーザ・アソシエーションの迅速な決定のために複雑なチャネル条件を適切にキャプチャする。
さらに、SD-CC-UCBは、異なる場所における送信率の相関分布を利用して、おそらく最高送信率を支持する候補BSの集合を効率的に同定する。
候補BSとのリンクによる学習伝達率をさらに向上させるために、各車両は、車両間の干渉とハンドオーバオーバーヘッドを考慮したトンプソンサンプリングアルゴリズムをデプロイする。
シミュレーションの結果,提案アルゴリズムは完全瞬時CSIを必要とするベンチマークアルゴリズムの100%から103%以内のスループットを実現し,車載通信におけるSD-CC-UCBの有効性を示した。
関連論文リスト
- CVVLSNet: Vehicle Location and Speed Estimation Using Partial Connected Vehicle Trajectory Data [6.928899738499268]
車両の位置と速度のリアルタイム推定は、有用な輸送アプリケーションを開発する上で不可欠である。
通信技術の最近の進歩はコネクテッドカー(CV)の出現を促進する
本稿では,CVVLSNet を用いた新しい車両位置・速度推定ネットワークを提案する。
論文 参考訳（メタデータ） (2024-09-30T18:13:26Z) - Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。
周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。
我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
論文 参考訳（メタデータ） (2024-08-29T08:53:26Z) - Selective Communication for Cooperative Perception in End-to-End
Autonomous Driving [8.680676599607123]
協調認識のための新しい選択的コミュニケーションアルゴリズムを提案する。
提案アルゴリズムは, 従来研究されてきた安全クリティカル運転シナリオシミュレーションにおいて, ランダム選択法よりも高い成功率を示す。
論文 参考訳（メタデータ） (2023-05-26T18:13:17Z) - MOB-FL: Mobility-Aware Federated Learning for Intelligent Connected
Vehicles [21.615151912285835]
我々は、ニューラルネットワークを協調的かつ分散的に訓練するために、近隣のICVをコーディネートする基地局を考える。
車両の移動性のため、基地局とICV間の接続は短命である。
本稿では,各トレーニングラウンドの時間と局所的なイテレーション回数を最適化し,FL-ICVフレームワークの高速化を提案する。
論文 参考訳（メタデータ） (2022-12-07T08:53:53Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳（メタデータ） (2022-06-03T23:55:45Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - CNN aided Weighted Interpolation for Channel Estimation in Vehicular
Communications [4.6898263272139795]
IEEE 802.11p規格は、車両輸送と交通効率を管理する無線技術プロトコルを定義している。
この技術の開発における大きな課題は、非常にダイナミックな車両環境での通信信頼性の確保です。
本論文では,新しい深層学習(DL)に基づく重み付き推定器を提案し,車両チャネルを正確に推定する。
論文 参考訳（メタデータ） (2021-04-18T10:57:52Z) - Federated Learning on the Road: Autonomous Controller Design for
Connected and Autonomous Vehicles [109.71532364079711]
CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案
CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。
最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
論文 参考訳（メタデータ） (2021-02-05T19:57:47Z) - Efficient Online Learning for Cognitive Radar-Cellular Coexistence via
Contextual Thompson Sampling [9.805913930878]
本稿では,適応型レーダ伝送における逐次的,あるいはオンライン学習方式について述べる。
レーダの振舞いを駆動するために、線形コンテキスト帯域学習(CB)フレームワークが適用される。
提案したThompson Smpling (TS)アルゴリズムはより複雑なディープQ-Network (DQN) と競合する性能を維持していることを示す。
論文 参考訳（メタデータ） (2020-08-24T01:20:58Z) - Reinforcement Learning Based Vehicle-cell Association Algorithm for
Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。
まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。
提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文 参考訳（メタデータ） (2020-01-22T08:51:05Z)
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。