論文の概要: Wireless Link Quality Estimation Using LSTM Model

• arxiv url: http://arxiv.org/abs/2410.15357v2
• Date: Tue, 22 Oct 2024 02:10:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:27:30.260187
• Title: Wireless Link Quality Estimation Using LSTM Model
• Title（参考訳）: LSTMモデルを用いた無線リンク品質推定
• Authors: Yuki Kanto, Kohei Watabe,
• Abstract要約: 本稿では,シーケンシャルな情報を活用することで,無線ネットワークの通信品質を推定する新しいモデルを提案する。 提案手法はLong Short-Term Memory (LSTM)に基づいて,リンク品質の逐次的情報を考慮した高精度な推定を可能にする。 LSTMを用いたLQEモデルでは,LQE-SAEモデルよりも4.0%高い精度と4.6%高いマクロF1スコアが得られた。
• 参考スコア（独自算出の注目度）: 0.9208007322096533
• License:
• Abstract: In recent years, various services have been provided through high-speed and high-capacity wireless networks on mobile communication devices, necessitating stable communication regardless of indoor or outdoor environments. To achieve stable communication, it is essential to implement proactive measures, such as switching to an alternative path and ensuring data buffering before the communication quality becomes unstable. The technology of Wireless Link Quality Estimation (WLQE), which predicts the communication quality of wireless networks in advance, plays a crucial role in this context. In this paper, we propose a novel WLQE model for estimating the communication quality of wireless networks by leveraging sequential information. Our proposed method is based on Long Short-Term Memory (LSTM), enabling highly accurate estimation by considering the sequential information of link quality. We conducted a comparative evaluation with the conventional model, stacked autoencoder-based link quality estimator (LQE-SAE), using a dataset recorded in real-world environmental conditions. Our LSTM-based LQE model demonstrates its superiority, achieving a 4.0% higher accuracy and a 4.6% higher macro-F1 score than the LQE-SAE model in the evaluation.
• Abstract（参考訳）: 近年,モバイル通信機器上の高速・高容量無線ネットワークを通じて様々なサービスが提供され,屋内・屋外環境を問わず安定した通信が求められている。 安定した通信を実現するためには、通信品質が不安定になる前に、代替経路への切り替えやデータバッファリングの確保など、積極的な対策を実施することが不可欠である。 無線ネットワークの通信品質を事前に予測する無線リンク品質推定(WLQE)技術は,この文脈において重要な役割を担っている。 本稿では,無線ネットワークの通信品質を逐次情報を利用して推定する新しいWLQEモデルを提案する。 提案手法はLong Short-Term Memory (LSTM)に基づいて,リンク品質の逐次的情報を考慮した高精度な推定を可能にする。 実環境環境に記録されたデータセットを用いて,従来のモデルであるスタックドオートエンコーダを用いたリンク品質推定器 (LQE-SAE) との比較評価を行った。 LSTMを用いたLQEモデルでは,LQE-SAEモデルよりも4.0%高い精度と4.6%高いマクロF1スコアが得られた。

関連論文リスト

• DRL Optimization Trajectory Generation via Wireless Network Intent-Guided Diffusion Models for Optimizing Resource Allocation [58.62766376631344]
  本稿では、無線通信ネットワークの異なる状態変化に対応するために、カスタマイズされた無線ネットワークインテント(WNI-G)モデルを提案する。 大規模シミュレーションにより、動的通信システムにおけるスペクトル効率と従来のDRLモデルの変動の安定性が向上する。
  論文  参考訳（メタデータ） (2024-10-18T14:04:38Z)
• An Analysis of Minimum Error Entropy Loss Functions in Wireless Communications [5.135587709363216]
  本稿では,無線通信における深層学習に適した情報理論損失関数として,最小誤差エントロピー基準を提案する。 本手法は,大気上回帰法と室内局在法という2つの重要な応用のシミュレーションにより評価した。
  論文  参考訳（メタデータ） (2024-09-25T12:45:47Z)
• Improved Q-learning based Multi-hop Routing for UAV-Assisted Communication [4.799822253865053]
  本稿では,Q-Learning-based Multi-hop Routing (IQMR) アルゴリズムを提案する。 ルーティング決定にQ(lambda)学習を用いることで、IQMRはエネルギー効率とネットワークデータのスループットを大幅に向上する。
  論文  参考訳（メタデータ） (2024-08-17T06:24:31Z)
• Deep learning approaches to indoor wireless channel estimation for low-power communication [0.0]
  本稿では,LP-IoT通信における高精度チャネル推定にRSSIを利用する,FCNNを用いた2つの低電力チャネル推定モデルを提案する。 我々のモデルAは平均二乗誤差(MSE)の99.02%の顕著な減少を示し、モデルBは現在の研究で設定されたベンチマークと比較して90.03%のMSEの減少を示す。
  論文  参考訳（メタデータ） (2024-05-21T00:36:34Z)
• QoS prediction in radio vehicular environments via prior user information [54.853542701389074]
  セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。 具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
  論文  参考訳（メタデータ） (2024-02-27T17:05:41Z)
• Task-Oriented Prediction and Communication Co-Design for Haptic Communications [20.20316445430853]
  本稿では,ハプティックコミュニケーションのためのタスク指向予測・コミュニケーション協調フレームワークを提案する。 提案したフレームワークは、タスクに依存しないベンチマークと比較して、無線リソースの消費を最大77.80%削減できる。
  論文  参考訳（メタデータ） (2023-02-21T23:39:37Z)
• Age of Semantics in Cooperative Communications: To Expedite Simulation Towards Real via Offline Reinforcement Learning [53.18060442931179]
  協調リレー通信システムにおける状態更新のセマンティックス更新度を測定するための意味学年代(AoS)を提案する。 オンライン・ディープ・アクター・クリティック(DAC)学習手法を,政治時間差学習の枠組みに基づいて提案する。 そこで我々は,以前に収集したデータセットから最適制御ポリシーを推定する,新しいオフラインDAC方式を提案する。
  論文  参考訳（メタデータ） (2022-09-19T11:55:28Z)
• 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)
• Distributional Reinforcement Learning for mmWave Communications with Intelligent Reflectors on a UAV [119.97450366894718]
  無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。 ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
  論文  参考訳（メタデータ） (2020-11-03T16:50:37Z)
• Communication-Efficient and Distributed Learning Over Wireless Networks: Principles and Applications [55.65768284748698]
  機械学習(ML)は、第5世代(5G)通信システムなどのための有望なイネーブルである。 本稿では、関連するコミュニケーションとMLの原則を概観し、選択したユースケースでコミュニケーション効率と分散学習フレームワークを提示することを目的とする。
  論文  参考訳（メタデータ） (2020-08-06T12:37:14Z)
• Learning-Based Link Scheduling in Millimeter-wave Multi-connectivity Scenarios [15.890587444719081]
  信頼性の高い通信を提供するための,有望なソリューションとして,マルチコネクションが登場している。 学習に基づく解法が最適に近づき,ベースライン法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-02T12:42:21Z)

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。