論文の概要: Towards Federated Multi-Armed Bandit Learning for Content Dissemination using Swarm of UAVs

• arxiv url: http://arxiv.org/abs/2501.09146v1
• Date: Wed, 15 Jan 2025 20:55:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:09:11.460696
• Title: Towards Federated Multi-Armed Bandit Learning for Content Dissemination using Swarm of UAVs
• Title（参考訳）: UAVの群れを用いたコンテンツ拡散のための多要素帯域学習に向けて
• Authors: Amit Kumar Bhuyan, Hrishikesh Dutta, Subir Biswas,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.3076690318595676
• License:
• Abstract: This paper introduces an Unmanned Aerial Vehicle - enabled content management architecture that is suitable for critical content access in communities of users that are communication-isolated during diverse types of disaster scenarios. The proposed architecture leverages a hybrid network of stationary anchor UAVs and mobile Micro-UAVs for ubiquitous content dissemination. The anchor UAVs are equipped with both vertical and lateral communication links, and they serve local users, while the mobile micro-ferrying UAVs extend coverage across communities with increased mobility. The focus is on developing a content dissemination system that dynamically learns optimal caching policies to maximize content availability. The core innovation is an adaptive content dissemination framework based on distributed Federated Multi-Armed Bandit learning. The goal is to optimize UAV content caching decisions based on geo-temporal content popularity and user demand variations. A Selective Caching Algorithm is also introduced to reduce redundant content replication by incorporating inter-UAV information sharing. This method strategically preserves the uniqueness in user preferences while amalgamating the intelligence across a distributed learning system. This approach improves the learning algorithm's ability to adapt to diverse user preferences. Functional verification and performance evaluation confirm the proposed architecture's utility across different network sizes, UAV swarms, and content popularity patterns.
• Abstract（参考訳）: 本稿では,多種多様な災害シナリオにおいてコミュニケーションを断念したユーザコミュニティにおいて,重要なコンテンツアクセスに適したコンテンツ管理アーキテクチャを提案する。 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。 アンカーUAVは縦方向と横方向の両方の通信リンクを備えており、ローカル利用者にサービスを提供している。 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。 中心となるイノベーションは、分散Federated Multi-Armed Bandit学習に基づく適応型コンテンツ拡散フレームワークである。 目的は、時空間コンテンツの人気とユーザ要求の変化に基づいて、UAVコンテンツのキャッシング決定を最適化することである。 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。 本手法は,分散学習システムにまたがってインテリジェンスを集約しながら,ユーザの好みの独特性を戦略的に保存する。 このアプローチは、多様なユーザの好みに適応する学習アルゴリズムの能力を改善する。 機能検証と性能評価は、異なるネットワークサイズ、UAVスワム、コンテンツ人気パターンにまたがって提案されたアーキテクチャの有用性を確認する。

関連論文リスト

• Without Paired Labeled Data: An End-to-End Self-Supervised Paradigm for UAV-View Geo-Localization [2.733505168507872]
  UAV-View Geo-Localizationは、GPSタグ付き衛星画像を取得することで、UAVの正確な位置を確認することを目的としている。 既存の手法は、トレーニングのためにアノテーション付きペアデータを必要とする教師付き学習パラダイムに依存している。 本稿では,UAVビューのジオローカライゼーションのための軽量なエンドツーエンドの自己組織化フレームワークであるDynamic Memory-Driven and Neighborhood Information Learning Networkを提案する。
  論文  参考訳（メタデータ） (2025-02-17T02:53:08Z)
• 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)
• Top-k Multi-Armed Bandit Learning for Content Dissemination in Swarms of Micro-UAVs [2.3076690318595676]
  本稿では,通信インフラが一般に侵害されている災害シナリオを対象とした,UAV(Micro-Unmanned Aerial Vehicle)によるコンテンツ管理システムを提案する。 開発アーキテクチャでは、垂直および横方向のリンクを備えた固定型アンカーUAVが、個別の災害影響のあるコミュニティで利用者にサービスを提供する。 移動式マイクロフェリーUAVは、移動性を高め、複数のコミュニティでカバー範囲を広げている。
  論文  参考訳（メタデータ） (2024-04-16T18:47:07Z)
• Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
  無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。 本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T12:36:08Z)
• 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)
• Unsupervised Domain Adaptation via Style-Aware Self-intermediate Domain [52.783709712318405]
  非教師なしドメイン適応(UDA)は、ラベル豊富なソースドメインから関連するがラベルのないターゲットドメインに知識を伝達する、かなりの注目を集めている。 本研究では,大規模なドメインギャップと伝達知識を橋渡しし,クラス非ネイティブ情報の損失を軽減するために,SAFF(style-aware feature fusion)法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T10:06:03Z)
• Content Popularity Prediction in Fog-RANs: A Clustered Federated Learning Based Approach [66.31587753595291]
  本稿では,ローカルユーザとモバイルユーザの両面からコンテンツの人気度を統合した,モビリティに配慮した新しい人気予測ポリシーを提案する。 ローカルユーザにとって、コンテンツの人気は、ローカルユーザやコンテンツの隠された表現を学習することによって予測される。 モバイルユーザーにとって、コンテンツの人気はユーザー好みの学習によって予測される。
  論文  参考訳（メタデータ） (2022-06-13T03:34:00Z)
• 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)
• 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)
• 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。