論文の概要: An Adaptive Intelligent Thermal-Aware Routing Protocol for Wireless Body Area Networks

• arxiv url: http://arxiv.org/abs/2510.19300v1
• Date: Wed, 22 Oct 2025 07:02:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:15.231003
• Title: An Adaptive Intelligent Thermal-Aware Routing Protocol for Wireless Body Area Networks
• Title（参考訳）: 無線ボディエリアネットワークのための適応型インテリジェントサーマルアウェアルーティングプロトコル
• Authors: Abdollah Rahimi, Mehdi Jafari Shahbazzadeh, Amid Khatibi,
• Abstract要約: 本稿では、WBANに対するインテリジェントな温度認識および信頼性に基づくルーティング手法を提案する。 スループットを13%向上し、エンドツーエンドの遅延を10%削減し、エネルギー消費を25%削減し、ルーティング負荷を既存の方法に比べて30%削減する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Wireless Body Area Networks (WBANs) have gained significant attention due to their applications in healthcare monitoring, sports, military communication, and remote patient care. These networks consist of wearable or implanted sensors that continuously collect and transmit physiological data, requiring efficient and reliable communication. However, WBANs face challenges such as limited energy, dynamic topology, and sensitivity to node temperature, which demand specialized routing strategies. Traditional shortest-path routing often causes congestion and overheating in specific nodes, leading to early failures. To address these problems, this paper proposes an intelligent temperature-aware and reliability-based routing approach that enhances WBAN performance. The proposed method works in two phases: (1) network setup and intelligent path selection, and (2) dynamic traffic management and hotspot avoidance. In the first phase, nodes share information such as residual energy, temperature, link reliability, and delay to build an optimized topology using a multi-criteria decision algorithm. The second phase continuously monitors real-time conditions and reroutes traffic away from overheated or depleted nodes. Simulation results show that the proposed approach improves throughput by 13 percent, reduces end-to-end delay by 10 percent, decreases energy consumption by 25 percent, and lowers routing load by 30 percent compared to existing methods.
• Abstract（参考訳）: 無線ボディエリアネットワーク(WBAN)は、医療監視、スポーツ、軍事通信、遠隔医療に応用されているため、注目されている。 これらのネットワークは、生理学的データを継続的に収集、送信し、効率的で信頼性の高い通信を必要とするウェアラブルまたは組込みセンサーで構成されている。 しかしながら、WBANは、限られたエネルギー、動的トポロジー、ノード温度に対する感度など、特別なルーティング戦略を必要とする課題に直面している。 従来のショートパスルーティングは、特定のノードで混雑と過熱を引き起こし、早期の障害を引き起こすことが多い。 これらの問題に対処するために,WBAN性能を向上させるインテリジェントな温度認識および信頼性に基づくルーティング手法を提案する。 提案手法は,(1)ネットワーク設定とインテリジェントパス選択,(2)動的トラフィック管理とホットスポット回避の2段階で動作する。 第1フェーズでは、ノードは残留エネルギー、温度、リンク信頼性、遅延などの情報を共有し、多重基準決定アルゴリズムを用いて最適化されたトポロジを構築する。 第2フェーズは、リアルタイムの状態を継続的に監視し、過熱または枯渇したノードからのトラフィックを除去する。 シミュレーションの結果,提案手法はスループットを13%向上し,エンドツーエンドの遅延を10%削減し,エネルギー消費を25%削減し,ルーティング負荷を既存手法に比べて30%低減した。

関連論文リスト

• Distributed Link Sparsification for Scalable Scheduling Using Graph Neural Networks (Journal Version) [50.894272363373126]
  密接な接続を特徴とする無線ネットワークでは、分散リンクスケジューリングアルゴリズムによって発生する重要な信号のオーバーヘッドは、混雑、エネルギー消費、無線フットプリント拡張といった問題を悪化させる可能性がある。 ネットワーク容量を維持しながら遅延耐性トラフィックのスケジューリングオーバーヘッドを低減するために,グラフニューラルネットワーク(GNN)を用いた分散リンクスカラー化方式を提案する。 GNNモジュールは、トラフィック統計とネットワークトポロジに基づいて、個々のリンクに対する競合しきい値を調整するように訓練されており、成功しそうもない場合には、リンクがスケジュール競合から撤退することを可能にする。
  論文  参考訳（メタデータ） (2025-09-05T18:59:14Z)
• Dynamic and Distributed Routing in IoT Networks based on Multi-Objective Q-Learning [5.694070924765916]
  IoTネットワークにおける重要なタスクは、ネットワーク上で情報を検知し、送信することである。 本稿では,多目的Q-ラーニングに基づく新しい動的分散ルーティングを提案する。 また、予期しない嗜好の変化に対して、ほぼ最適な決定を下すための新しい欲求政策スキームを提案する。
  論文  参考訳（メタデータ） (2025-05-01T23:34:35Z)
• A Neural Radiance Field-Based Architecture for Intelligent Multilayered View Synthesis [0.0]
  モバイルアドホックネットワーク(MANET)は、モバイルノードの巨大かつ合理的に密集したコミュニティで構成されている。 インフラストラクチャ間で最高のパケットルーティングを見つけることが大きな問題です。 本研究は、オンデマンドソースルーティングシステムを改善する手段として、Red Imported Fire Ants (RIFA) 戦略による最適経路選択を提案する。
  論文  参考訳（メタデータ） (2023-11-03T11:05:51Z)
• Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
  ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。 マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。 シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
  論文  参考訳（メタデータ） (2023-09-16T11:37:23Z)
• An Intelligent SDWN Routing Algorithm Based on Network Situational Awareness and Deep Reinforcement Learning [4.085916808788356]
  本稿では、ネットワーク状況認識による深層強化学習に基づくインテリジェントルーティングアルゴリズム(DRL-PPONSA)を紹介する。 実験の結果,DRL-PPONSAはネットワークスループット,遅延,パケット損失率,無線ノード距離において従来のルーティング手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-05-12T14:18:09Z)
• 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)
• Bandwidth-efficient distributed neural network architectures with application to body sensor networks [73.02174868813475]
  本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。 提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。 本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
  論文  参考訳（メタデータ） (2022-10-14T12:35:32Z)
• 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)
• Fully-echoed Q-routing with Simulated Annealing Inference for Flying Adhoc Networks [6.3372141874912735]
  自己適応学習率のフルエコーQ-routingアルゴリズムを提案する。 提案手法は,アートqルーティングプロトコルの状況と比較して,7%から82%までのエネルギー消費量の削減と2.6倍のパケット配送率の向上を示した。
  論文  参考訳（メタデータ） (2021-03-23T22:28:26Z)
• Artificial Intelligence based Sensor Data Analytics Framework for Remote Electricity Network Condition Monitoring [0.0]
  農村電化は、単一ワイヤアースリターン(SWER)ネットワークのような安価な技術の使用を要求する。 リモート消費者からのエネルギー需要は着実に増加しており、既存の路線の容量はすぐに不足する可能性がある。 SWERラインからの高インピーダンスアーク断層(HIF)は、2009年のブラックサタデーイベントのような壊滅的なブッシュファイアを引き起こす可能性があります。
  論文  参考訳（メタデータ） (2021-01-21T07:50:01Z)
• Wireless Power Control via Counterfactual Optimization of Graph Neural Networks [124.89036526192268]
  本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。 コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。 次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
  論文  参考訳（メタデータ） (2020-02-17T07:54:39Z)

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。