論文の概要: Mixing Neural Networks and Exponential Moving Averages for Predicting Wireless Links Behavior

• arxiv url: http://arxiv.org/abs/2411.11185v1
• Date: Sun, 17 Nov 2024 22:13:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:26:31.229012
• Title: Mixing Neural Networks and Exponential Moving Averages for Predicting Wireless Links Behavior
• Title（参考訳）: 無線リンク行動予測のための混合ニューラルネットワークと指数移動平均
• Authors: Gabriele Formis, Stefano Scanzio, Lukasz Wisniewski, Gianluca Cena,
• Abstract要約: 密集した屋内環境におけるWi-Fiリンク品質予測のための2つのニューラルネットワークモデルについて検討した。 実験結果から, 指数移動平均に基づく従来の手法よりも精度が優れていた。 これは、困難な運用環境でのスペクトルの振る舞いを予測するニューラルネットワークの可能性を強調している。
• 参考スコア（独自算出の注目度）: 0.8999666725996974
• License:
• Abstract: Predicting the behavior of a wireless link in terms of, e.g., the frame delivery ratio, is a critical task for optimizing the performance of wireless industrial communication systems. This is because industrial applications are typically characterized by stringent dependability and end-to-end latency requirements, which are adversely affected by channel quality degradation. In this work, we studied two neural network models for Wi-Fi link quality prediction in dense indoor environments. Experimental results show that their accuracy outperforms conventional methods based on exponential moving averages, due to their ability to capture complex patterns about communications, including the effects of shadowing and multipath propagation, which are particularly pronounced in industrial scenarios. This highlights the potential of neural networks for predicting spectrum behavior in challenging operating conditions, and suggests that they can be exploited to improve determinism and dependability of wireless communications, fostering their adoption in the industry.
• Abstract（参考訳）: 無線通信システムの性能を最適化するための重要な課題として,例えば,フレーム配信率の観点から無線リンクの挙動を予測することが挙げられる。 これは、産業アプリケーションは通常、厳しい信頼性とエンドツーエンドのレイテンシ要求が特徴であり、チャネルの品質劣化に悪影響を及ぼすためである。 本研究では、密集した屋内環境におけるWi-Fiリンク品質予測のための2つのニューラルネットワークモデルについて検討した。 実験結果から, 産業シナリオにおいて特に顕著なシャドーイングやマルチパス伝搬の影響など, コミュニケーションに関する複雑なパターンを捉える能力から, 指数移動平均に基づく従来の手法よりも精度が優れていることが示された。 これは、困難な運用条件下でスペクトルの振る舞いを予測するニューラルネットワークの可能性を強調し、決定性や無線通信の信頼性を改善するために利用でき、業界における採用を促進することを示唆している。

関連論文リスト

• AI Flow at the Network Edge [58.31090055138711]
  AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。 この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
  論文  参考訳（メタデータ） (2024-11-19T12:51:17Z)
• On the Accuracy and Precision of Moving Averages to Estimate Wi-Fi Link Quality [0.8999666725996974]
  移動平均に基づいて無線リンク品質を推定する手法を解析した。 結果は、無線ネットワークの予測不能を緩和するために人工知能をどのように使用できるかを研究する際に、ベースラインとして使用できる。
  論文  参考訳（メタデータ） (2024-11-19T06:28:58Z)
• 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)
• Linear Combination of Exponential Moving Averages for Wireless Channel Prediction [2.34863357088666]
  本研究では,指数移動平均(EMA)に基づく予測モデルについて検討した。 EMA線形結合(ELC)と呼ばれる新しいモデルを導入し、説明し、実験的に評価した。
  論文  参考訳（メタデータ） (2023-12-13T07:44:05Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User Experiences [118.91584633024907]
  テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:39:50Z)
• 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)
• Cross-network transferable neural models for WLAN interference estimation [8.519313977400735]
  本稿では,ロバストネスにおける干渉推定の原理的アプローチを採用する。 まず、実データを使って影響する要因を識別し、関連する一連の合成ワークロードを導出します。 当然のことながら、Graph Conalvolution Networks(GCNs)が全体的なパフォーマンスで最高のものになっている。
  論文  参考訳（メタデータ） (2022-11-25T11:01:43Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• ChaRRNets: Channel Robust Representation Networks for RF Fingerprinting [0.0]
  RFフィンガープリントのための複雑値畳み込みニューラルネットワーク(CNN)を提案する。 我々は,深層学習(dl)技術を用いた無線iotデバイスの指紋認証の問題に注目する。
  論文  参考訳（メタデータ） (2021-05-08T03:03:21Z)
• Interference Distribution Prediction for Link Adaptation in Ultra-Reliable Low-Latency Communications [71.0558149440701]
  リンク適応(LA)はURLLCを実現するボトルネックの一つと考えられている。 本稿では,ユーザの干渉信号と雑音比の予測に焦点をあて,LAを増強する。 干渉の時間相関を利用することがURLLCの重要な有効性であることを示す。
  論文  参考訳（メタデータ） (2020-07-01T07:59:35Z)

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。