論文の概要: CAR-BRAINet: Sub-6GHz Aided Spatial Adaptive Beam Prediction with Multi Head Attention for Heterogeneous Vehicular Networks

• arxiv url: http://arxiv.org/abs/2509.10508v1
• Date: Tue, 02 Sep 2025 05:17:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-21 06:05:45.763992
• Title: CAR-BRAINet: Sub-6GHz Aided Spatial Adaptive Beam Prediction with Multi Head Attention for Heterogeneous Vehicular Networks
• Title（参考訳）: CAR-BRAINet:不均一なベクトルネットワークに対するマルチヘッドアテンションによるサブ6GHzの空間適応ビーム予測
• Authors: Aathira G Menon, Prabu Krishnan, Shyam Lal,
• Abstract要約: ヘテロジニアスVehicular Networks (HetVNets) は、5G/B5G vehicular Networkの多様な接続要件を満たすために、サブ6GHz、mm波、DSRCなどの様々な通信技術を積み重ねることによって重要な役割を果たす。 HetVNetは、ユーザーからの厳しい要求に対処するのに役立つ。 本稿では,畳み込みニューラルネットワークと強力なマルチヘッドアテンション機構を組み合わせた,軽量な深層学習型ソリューションCAR-BRAINetを提案する。
• 参考スコア（独自算出の注目度）: 4.84929109771831
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Heterogeneous Vehicular Networks (HetVNets) play a key role by stacking different communication technologies such as sub-6GHz, mm-wave and DSRC to meet diverse connectivity needs of 5G/B5G vehicular networks. HetVNet helps address the humongous user demands-but maintaining a steady connection in a highly mobile, real-world conditions remain a challenge. Though there has been ample of studies on beam prediction models a dedicated solution for HetVNets is sparsely explored. Hence, it is the need of the hour to develop a reliable beam prediction solution, specifically for HetVNets. This paper introduces a lightweight deep learning-based solution termed-"CAR-BRAINet" which consists of convolutional neural networks with a powerful multi-head attention (MHA) mechanism. Existing literature on beam prediction is largely studied under a limited, idealised vehicular scenario, often overlooking the real-time complexities and intricacies of vehicular networks. Therefore, this study aims to mimic the complexities of a real-time driving scenario by incorporating key factors such as prominent MAC protocols-3GPP-C-V2X and IEEE 802.11BD, the effect of Doppler shifts under high velocity and varying distance and SNR levels into three high-quality dynamic datasets pertaining to urban, rural and highway vehicular networks. CAR-BRAINet performs effectively across all the vehicular scenarios, demonstrating precise beam prediction with minimal beam overhead and a steady improvement of 17.9422% on the spectral efficiency over the existing methods. Thus, this study justifies the effectiveness of CAR-BRAINet in complex HetVNets, offering promising performance without relying on the location angle and antenna dimensions of the mobile users, and thereby reducing the redundant sensor-latency.
• Abstract（参考訳）: ヘテロジニアスVehicular Networks (HetVNets) は、5G/B5G vehicular Networkの多様な接続要件を満たすために、サブ6GHz、mm波、DSRCなどの様々な通信技術を積み重ねることによって重要な役割を果たす。 HetVNetは、ユーザーからの厳しい要求に対処するのに役立つ。 ビーム予測モデルの研究は数多く行われているが、HetVNets専用のソリューションはわずかに検討されている。 したがって、特にHetVNetsのために信頼性の高いビーム予測ソリューションを開発するには、時間が必要である。 本稿では,強力なマルチヘッドアテンション(MHA)機構を備えた畳み込みニューラルネットワークからなる,軽量なディープラーニングベースのソリューションCAR-BRAINetを紹介する。 既存のビーム予測に関する文献は、しばしば車両ネットワークのリアルタイムの複雑さと複雑さを見越して、限られた理想化された車両シナリオの下で研究されている。 そこで本研究では,MACプロトコル-3GPP-C-V2X やIEEE 802.11BD などの重要な要素を取り入れたリアルタイム運転シナリオの複雑さを再現することを目的とした。 CAR-BRAINetは全ての車両のシナリオで効果的に動作し、ビームのオーバーヘッドを最小限に抑え、既存の手法よりもスペクトル効率を17.9422%改善した。 そこで本研究では,複雑なHetVNetにおけるCAR-BRAINetの有効性を正当化し,移動体ユーザの位置角やアンテナ次元に依存することなく,有望な性能を提供する。

関連論文リスト

• Vehicle-to-Infrastructure Collaborative Spatial Perception via Multimodal Large Language Models [41.00138090010061]
  大型言語モデル (MLLM) の限界を克服するために, 軽量でプラグアンドプレイの鳥眼ビュー (BEV) インジェクションコネクタを提案する。 レイトレーシングはRGB、LiDAR、GPS、無線信号データを様々なセンシングシナリオで生成するために開発された。 シミュレーションの結果,提案したBEVインジェクションフレームワークは全タスクのパフォーマンスを継続的に改善していることがわかった。
  論文  参考訳（メタデータ） (2025-09-04T02:57:47Z)
• World Model-Based Learning for Long-Term Age of Information Minimization in Vehicular Networks [53.98633183204453]
  本稿では,車載ネットワークにおけるパケット完全性認識情報(CAoI)の年齢を最小化するために,新しい世界モデルに基づく学習フレームワークを提案する。 mmWave V2X環境の動的モデルを共同で学習し、リンクスケジューリングの方法を学ぶための軌跡を想像するために使用する世界モデルフレームワークを提案する。 特に、長期的な政策は環境相互作用の代わりに、異なる想像軌道で学習される。
  論文  参考訳（メタデータ） (2025-05-03T06:23:18Z)
• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• Spectrum Sharing using Deep Reinforcement Learning in Vehicular Networks [0.14999444543328289]
  本稿では、DQNモデルの有効性を実証し、スペクトル共有効率を向上させるためのいくつかの結果と分析を行った。 SARLモデルとMARLモデルの両方がV2V通信の成功率を示し、トレーニングが進むにつれてRLモデルの累積報酬が最大に達する。
  論文  参考訳（メタデータ） (2024-10-16T12:59:59Z)
• ViT LoS V2X: Vision Transformers for Environment-aware LoS Blockage Prediction for 6G Vehicular Networks [20.953587995374168]
  我々は、畳み込みニューラルネットワーク(CNN)とカスタマイズされた視覚変換器(ViT)を組み合わせたディープラーニングベースのアプローチを提案する。 提案手法は,時系列マルチモーダルデータから特徴を抽出するために,CNNとViTの相乗的強みを利用する。 その結果,提案手法は精度が高く,最先端のソリューションよりも優れ,95%以上の精度で予測できることがわかった。
  論文  参考訳（メタデータ） (2024-06-27T01:38:09Z)
• LiPar: A Lightweight Parallel Learning Model for Practical In-Vehicle Network Intrusion Detection [9.424132584616288]
  本稿では,車載侵入検知の一般化を実現する軽量並列ニューラルネットワーク構造LiParを提案する。 LiParは、複数の電子制御ユニット、ドメインコントローラ、コンピューティングゲートウェイなど、車載コンピューティングデバイスにタスク負荷を適応的に割り当てる。 我々はLiParが優れた検出性能、実行効率、軽量なモデルサイズを有しており、車内環境に実用的に適合し、車内CANバスのセキュリティを保護することができることを証明した。
  論文  参考訳（メタデータ） (2023-11-14T08:54:00Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• HybridNets: End-to-End Perception Network [1.4287758028119788]
  本稿では,マルチタスクのためのエンド・ツー・エンドの知覚ネットワークを体系的に研究する。 交通物体検出, 乾燥領域分割, レーン検出を同時に行うHybridNets という, マルチタスクを実現するエンド・ツー・エンドの知覚ネットワークを開発した。
  論文  参考訳（メタデータ） (2022-03-17T02:29:12Z)
• A Lightweight, Efficient and Explainable-by-Design Convolutional Neural Network for Internet Traffic Classification [9.365794791156972]
  本稿では、インターネットトラフィック分類のための新しい軽量・効率的・eXplainable-by-design畳み込みニューラルネットワーク(LEXNet)を提案する。 LEXNetは(軽量で効率の良い目的のために)新しい残留ブロックと(説明可能性のために)プロトタイプ層に依存している。 商用グレードのデータセットに基づいて、LEXNetは最先端のニューラルネットワークと同じ精度を維持することに成功した。
  論文  参考訳（メタデータ） (2022-02-11T10:21:34Z)
• Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
  本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。 値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
  論文  参考訳（メタデータ） (2020-12-06T01:30:12Z)

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。