論文の概要: Deep Reinforcement Learning-Based User Association in Hybrid LiFi/WiFi Indoor Networks

• arxiv url: http://arxiv.org/abs/2503.01803v1
• Date: Mon, 03 Mar 2025 18:33:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:14:09.509589
• Title: Deep Reinforcement Learning-Based User Association in Hybrid LiFi/WiFi Indoor Networks
• Title（参考訳）: ハイブリッドLiFi/WiFi屋内ネットワークにおける深層強化学習型ユーザアソシエーション
• Authors: Peijun Hou, Nan Cen,
• Abstract要約: ハイブリッド光フィデリティ(LiFi)と無線フィデリティ(Wi-Fi)屋内ネットワークは、屋内シナリオにおけるデータレートの増大を緩和する有望な技術として構想されている。 ハイブリッドLiFi/Wi-Fi屋内ネットワークは、LiFiからの高速データ伝送の利点と、スタンドアローンネットワークと比較してスペクトルの範囲を広く利用することができる。 本研究の目的は,ハイブリッドネットワークのための新しいユーザアクセスポイントアソシエーションアルゴリズムを設計することである。
• 参考スコア（独自算出の注目度）: 1.086544864007391
• License:
• Abstract: Hybrid light fidelity (LiFi) and wireless fidelity (WiFi) indoor networks has been envisioned as a promising technology to alleviate radio frequency spectrum crunch to accommodate the ever-increasing data rate demand in indoor scenarios. The hybrid LiFi/WiFi indoor networks can leverage the advantages of fast data transmission from LiFi and wider coverage of WiFi, thus complementing well with each other and further improving the network performance compared with the standalone networks. However, to leverage the co-existence, several challenges should be addressed, including but not limited to user association, mobility support, and efficient resource allocation. Therefore, the objective of the paper is to design a new user-access point association algorithm to maximize the sum throughput of the hybrid networks. We first mathematically formulate the sum data rate maximization problem by determining the AP selection for each user in indoor networks with consideration of user mobility and practical capacity limitations, which is a nonconvex binary integer programming problem. To solve this problem, we then propose a sequential-proximal policy optimization (S-PPO) based deep reinforcement learning method. Extensive simulations are conducted to evaluate the proposed method by comparing it with exhaustive search (ES), signal strength strategy (SSS), and trust region policy optimization (TRPO) methods. Comprehensive simulation results demonstrate that our solution algorithm can outperform SSS by about 32.25% of the sum throughput and 19.09% of the fairness on average, and outperform TRPO by about 10.34% and 10.23%, respectively.
• Abstract（参考訳）: ハイブリッド光フィデリティ(LiFi)と無線フィデリティ(Wi-Fi)屋内ネットワーク(Wi-Fi)は、屋内シナリオにおけるデータレートの増大に対応するために、無線周波数スペクトルクランチを緩和する有望な技術として構想されている。 ハイブリッドLiFi/Wi-Fi屋内ネットワークは、LiFiからの高速データ伝送の利点とWi-Fiの広い範囲の利点を生かし、相互に補完し、スタンドアローンネットワークと比較してネットワーク性能をさらに向上させることができる。 しかし、この共存を活用するためには、ユーザアソシエーション、モビリティサポート、効率的なリソース割り当てなど、いくつかの課題に対処する必要がある。 そこで本論文の目的は,ハイブリッドネットワークのスループットを最大化するために,新しいユーザアクセスポイント関連アルゴリズムを設計することである。 まず,非凸二進整数計画問題であるユーザモビリティと実用的なキャパシティ制限を考慮した屋内ネットワークにおけるユーザ毎のAP選択を決定することで,和データレートの最大化問題を数学的に定式化する。 そこで本研究では,S-PPOに基づく深層強化学習手法を提案する。 提案手法を総合探索(ES)、信号強度戦略(SSS)、信頼領域政策最適化(TRPO)手法と比較し,その評価を行う。 総合シミュレーションの結果、我々の解法は総スループットの約32.25%、平均値の19.09%、TRPOの約10.34%、そして10.23%を上回っていることがわかった。

関連論文リスト

• Access Point Deployment for Localizing Accuracy and User Rate in Cell-Free Systems [22.49391459228811]
  次世代モバイルネットワークは、ユビキタスなカバレッジとネットワークセンシングを提供するように設計されている。 細胞フリーは、この展望を実現するための有望な技術である。 本稿では,セルフリーシステムにおけるポイント(AP)配置の問題に取り組むことを目的とする。
  論文  参考訳（メタデータ） (2024-12-10T01:22:32Z)
• Hyperdimensional Computing Empowered Federated Foundation Model over Wireless Networks for Metaverse [56.384390765357004]
  本稿では,新しい基礎モデルのための統合型分割学習と超次元計算フレームワークを提案する。 この新しいアプローチは通信コスト、計算負荷、プライバシーリスクを低減し、Metaverseのリソース制約されたエッジデバイスに適している。
  論文  参考訳（メタデータ） (2024-08-26T17:03:14Z)
• Multi Agent DeepRL based Joint Power and Subchannel Allocation in IAB networks [0.0]
  統合アクセスとバックハウリング(IRL)は、将来の世代におけるより高いデータレートに対する前例のない要求を満たすための、実行可能なアプローチである。 本稿では,分数ノードに付随する巨大なアクション空間の問題を,Deep Q-Learning Networkを用いて処理する方法を示す。
  論文  参考訳（メタデータ） (2023-08-31T21:30:25Z)
• FiFo: Fishbone Forwarding in Massive IoT Networks [3.7813000491275233]
  大規模なIoT(Internet of Things)ネットワークには,緊急メッセージや災害メッセージの迅速な配信を含む,幅広いアプリケーションがある。 ベンチマークアルゴリズムは、このようなアプリケーションでメッセージ配信を行うために、これまで開発されてきたが、いくつかの実践的な課題がある。 本研究では,魚骨フォワード法 (FiFo) を提案する。
  論文  参考訳（メタデータ） (2022-11-02T15:55:17Z)
• Predictive GAN-powered Multi-Objective Optimization for Hybrid Federated Split Learning [56.125720497163684]
  無線ネットワークにおけるハイブリッド・フェデレーション・スプリット・ラーニング・フレームワークを提案する。 ラベル共有のないモデル分割のための並列計算方式を設計し,提案方式が収束速度に与える影響を理論的に解析する。
  論文  参考訳（メタデータ） (2022-09-02T10:29:56Z)
• Adaptive Target-Condition Neural Network: DNN-Aided Load Balancing for Hybrid LiFi and WiFi Networks [19.483289519348315]
  機械学習は、複雑性に優しいロードバランシングソリューションを提供する可能性がある。 学習支援のSOTA(State-of-the-art)は,ネットワーク環境が変化すると再学習を必要とする。 適応目標条件ニューラルネットワーク(A-TCNN)と呼ばれる新しいディープニューラルネットワーク(DNN)構造を提案する。
  論文  参考訳（メタデータ） (2022-08-09T20:46:13Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Offline Contextual Bandits for Wireless Network Optimization [107.24086150482843]
  本稿では,ユーザ要求の変化に応じて,ネットワーク内の各セルの構成パラメータを自動的に調整するポリシの学習方法について検討する。 私たちのソリューションは、オフライン学習のための既存の方法を組み合わせて、この文脈で生じる重要な課題を克服する原則的な方法でそれらを適応します。
  論文  参考訳（メタデータ） (2021-11-11T11:31:20Z)
• Low-Latency Federated Learning over Wireless Channels with Differential Privacy [142.5983499872664]
  フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。 本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
  論文  参考訳（メタデータ） (2021-06-20T13:51:18Z)
• Data-Driven Random Access Optimization in Multi-Cell IoT Networks with NOMA [78.60275748518589]
  非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。 本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。 ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
  論文  参考訳（メタデータ） (2021-01-02T15:21:08Z)

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。