論文の概要: Learning-Based User Association for MmWave Vehicular Networks With Kernelized Contextual Bandits

• arxiv url: http://arxiv.org/abs/2504.10959v1
• Date: Tue, 15 Apr 2025 08:05:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:07:17.630892
• Title: Learning-Based User Association for MmWave Vehicular Networks With Kernelized Contextual Bandits
• Title（参考訳）: カーネル化されたコンテキスト帯域を持つMmWaveVehicular Networkのための学習ベースユーザアソシエーション
• Authors: Xiaoyang He, Xiaoxia Huang,
• Abstract要約: 高速なmmWaveチャネルを頻繁に見積もるのはコストがかかる。 提案した分散カーネル化アッパー信頼境界(DK-UCB)アルゴリズムは,現在の即時伝送速度を推定する。 我々は,mmWave信号の伝搬特性を組み込んだRKHSにおける新しいカーネル関数を提案する。
• 参考スコア（独自算出の注目度）: 2.6488367729897693
• License:
• Abstract: Vehicles require timely channel conditions to determine the base station (BS) to communicate with, but it is costly to estimate the fast-fading mmWave channels frequently. Without additional channel estimations, the proposed Distributed Kernelized Upper Confidence Bound (DK-UCB) algorithm estimates the current instantaneous transmission rates utilizing past contexts, such as the vehicle's location and velocity, along with past instantaneous transmission rates. To capture the nonlinear mapping from a context to the instantaneous transmission rate, DK-UCB maps a context into the reproducing kernel Hilbert space (RKHS) where a linear mapping becomes observable. To improve estimation accuracy, we propose a novel kernel function in RKHS which incorporates the propagation characteristics of the mmWave signals. Moreover, DK-UCB encourages a vehicle to share necessary information when it has conducted significant explorations, which speeds up the learning process while maintaining affordable communication costs.
• Abstract（参考訳）: 車両は通信する基地局(BS)を決定するためにタイムリーなチャンネル条件を必要とするが、高速なmmWaveチャネルを頻繁に見積もるのはコストがかかる。 提案した分散カーネル化アッパー信頼境界(DK-UCB)アルゴリズムは、車両の位置や速度といった過去の状況を利用した現在の瞬時送信率と過去の瞬時送信率を推定する。 DK-UCBは、コンテキストから瞬時送信率への非線形写像をキャプチャするために、コンテキストを線形写像が観測可能な再生カーネルヒルベルト空間(RKHS)にマッピングする。 推定精度を向上させるために,mmWave信号の伝搬特性を組み込んだRKHSのカーネル関数を提案する。 さらに、DK-UCBは、安価な通信コストを維持しながら学習プロセスを高速化する重要な調査を行った際に、車両に必要な情報を共有することを奨励している。

関連論文リスト

• Contextual Bandits with Non-Stationary Correlated Rewards for User Association in MmWave Vehicular Networks [2.5206846348004506]
  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。
  論文  参考訳（メタデータ） (2024-10-08T08:10:03Z)
• Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
  6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。 本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T05:01:28Z)
• Decentralized Learning over Wireless Networks with Broadcast-Based Subgraph Sampling [36.99249604183772]
  この研究は、コンセンサスに基づく分散降下(D-SGD)を用いた、無線ネットワーク上の分散学習のコミュニケーション面を中心にしている。 ネットワーク内情報交換による実際の通信コストや遅延を考慮すると,送信スロット毎の改善によって測定されたアルゴリズムの高速収束を実現することが目的である。 本稿では,無線ネットワーク上でのD-SGDの効率的な通信フレームワークであるBASSを提案する。
  論文  参考訳（メタデータ） (2023-10-24T18:15:52Z)
• Deep Learning Based Channel Estimation in High Mobility Communications Using Bi-RNN Networks [7.310043452300738]
  本稿では,2重選択チャネルを正確に推定する最適化された双方向リカレントニューラルネットワーク (Bi-RNN) を用いたチャネル推定手法を提案する。 開発されたBi-GRU推定器は、最近提案されたCNNベースの推定器を、異なる移動シナリオで大幅に上回っている。
  論文  参考訳（メタデータ） (2023-04-29T09:20:28Z)
• Deep Reinforcement Learning for IRS Phase Shift Design in Spatiotemporally Correlated Environments [93.30657979626858]
  本稿では,チャネル相関と目的地動きを考慮したディープアクター批判アルゴリズムを提案する。 チャネルが時間的に相関している場合、コンバージェンスを抑制する方法において、関数近似を伴う状態表現にSNRを組み込むことが示される。
  論文  参考訳（メタデータ） (2022-11-02T22:07:36Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• 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)
• Deep Learning-based Beam Tracking for Millimeter-wave Communications under Mobility [27.62606029014951]
  ミリ波(mm波)通信の深層学習に基づくビーム追跡手法を提案する。 深層ニューラルネットワークを用いて,慣性センサによって取得された時間変動チャネルと信号の時間構造とパターンを分析した。 提案手法は, 様々な移動シナリオにおいて, 従来のビーム追従法に比べて有意な性能向上を達成した。
  論文  参考訳（メタデータ） (2021-02-19T08:05:11Z)
• 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)
• Millimeter Wave Communications with an Intelligent Reflector: Performance Optimization and Distributional Reinforcement Learning [119.97450366894718]
  ミリ波基地局のダウンリンクマルチユーザ通信を最適化するための新しいフレームワークを提案する。 チャネル状態情報(CSI)をリアルタイムで計測するために,チャネル推定手法を開発した。 最適赤外反射を学習し、ダウンリンク能力の期待を最大化するために、分布強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-02-24T22:18:54Z)

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。