論文の概要: Meta-Continual Mobility Forecasting for Proactive Handover Prediction
- arxiv url: http://arxiv.org/abs/2512.11841v1
- Date: Wed, 03 Dec 2025 19:48:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-21 14:22:08.715873
- Title: Meta-Continual Mobility Forecasting for Proactive Handover Prediction
- Title（参考訳）: アクティブハンドオーバ予測のためのメタContinual Mobility Forecasting
- Authors: Sasi Vardhan Reddy Mandapati,
- Abstract要約: 短期移動予測は、セルネットワークにおけるアクティブハンドオーバ(HO)のコア要件である。
本稿では,GRUベースの予測器と高速な数ショット適応のためのReptileメタ初期化と,ドリフトの発生時にのみコンパクトなオンライン更新をトリガするEWMA残差検出を統合した軽量なメタコンチネンタル予測フレームワークを提案する。
モデルは軽量(128kパラメータ)で、5Gおよび6Gシステムのエッジ展開に適している。
- 参考スコア（独自算出の注目度）: 0.3906427348768226
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Short-term mobility forecasting is a core requirement for proactive handover (HO) in cellular networks. Real-world mobility is highly non-stationary: abrupt turns, rapid speed changes, and unpredictable user behavior cause conventional predictors to drift, leading to mistimed or failed handovers. We propose a lightweight meta-continual forecasting framework that integrates a GRU-based predictor, Reptile meta-initialization for fast few-shot adaptation, and an EWMA residual detector that triggers compact online updates only when drift occurs. Evaluated on a reproducible GeoLife and DeepMIMO pipeline, our method achieves 4.46 m ADE and 7.79 m FDE in zero-shot settings, improves few-shot ADE to 3.71 m at 10-shot, and enables recovery from abrupt drift about 2 to 3 times faster than an offline GRU. When applied to downstream HO prediction, the approach improves F1 to 0.83 and AUROC to 0.90, with substantial reductions in missed-HO and ping-pong events. The model is lightweight (128k parameters) and suitable for edge deployment in 5G and 6G systems.
- Abstract（参考訳）: 短期移動予測は、セルネットワークにおけるアクティブハンドオーバ(HO)のコア要件である。
突然の回転、急速な速度変化、予測不可能なユーザー行動は、従来の予測器のドリフトを引き起こし、誤動作やハンドオーバの失敗につながる。
本稿では,GRUベースの予測器と高速な数ショット適応のためのReptileメタ初期化と,ドリフトの発生時にのみコンパクトなオンライン更新をトリガするEWMA残差検出を統合した軽量なメタコンチネンタル予測フレームワークを提案する。
再現可能なGeoLifeとDeepMIMOパイプラインに基づいて,ゼロショット設定で4.46m ADEと7.79m FDEを実現し,10ショットで3.71mに改善し,オフラインGRUの約2～3倍の急速ドリフトからの回復を可能にする。
下流HO予測に適用すると、アプローチはF1から0.83に改善され、AUROCは0.90に改善され、ミスオフHOとピンポンイベントは大幅に減少する。
モデルは軽量(128kパラメータ)で、5Gおよび6Gシステムのエッジ展開に適している。
関連論文リスト
- Learning-based Radio Link Failure Prediction Based on Measurement Dataset in Railway Environments [46.243901410461596]
CNN、LSTM、XGBoost、Anomaly Transformer、PatchTST、TimesNetの6つのモデルをベンチマークする。
その結果,商用デバイスで利用可能な軽量機能を用いて,信頼性の低下を事前に予測できることが示唆された。
論文 参考訳（メタデータ） (2025-11-12T00:13:37Z) - Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。
We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
論文 参考訳（メタデータ） (2025-11-04T17:22:22Z) - Dynamic Model Selection for Trajectory Prediction via Pairwise Ranking and Meta-Features [0.0]
最近の深い軌道予測器は、高い平均精度を達成したが、複雑な長距離運転シナリオでは信頼性が保たれている。
物理インフォームドLSTM, トランスフォーマー, 微調整されたGameFormerのうち, もっとも信頼性の高い軌道予測器を適応的に選択する動的マルチエキスパートゲーティングフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-31T10:01:01Z) - A Physics-Guided AI Cascaded Corrector Model Significantly Extends Madden-Julian Oscillation Prediction Skill [12.768001894587576]
我々は、MJO(PCC-MJO)のための新しいディープラーニングフレームワーク、物理誘導カスケードコレクターを導入する。
PCC-MJOは、動的モデルからMJO予測を補正するための普遍的なポストプロセッサとして機能する。
我々の研究は、将来的な物理的に一貫した、計算的に効率的で、非常に一般化可能な経路を提供し、海底予測における長年の障壁を突破する。
論文 参考訳（メタデータ） (2025-10-20T14:41:48Z) - Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。
我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。
また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
論文 参考訳（メタデータ） (2024-06-15T18:53:45Z) - FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond
10 Days Lead [93.67314652898547]
人工知能(AI)に基づく高度データ駆動型中距離気象予報システムFengWuについて紹介する。
FengWuは大気力学を正確に再現し、0.25度緯度で37の垂直レベルで将来の陸と大気の状態を予測することができる。
その結果、FengWuは予測能力を大幅に向上させ、熟練した中距離気象予報を10.75日間のリードまで拡張できることがわかった。
論文 参考訳（メタデータ） (2023-04-06T09:16:39Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Res-GCNN: A Lightweight Residual Graph Convolutional Neural Networks for
Human Trajectory Forecasting [0.0]
ペデストリアンの対話的挙動をモデル化した残差グラフ畳み込みニューラルネットワーク(Res-GCNN)を提案する。
その結果、最終変位誤差(FDE)が0.65mに達すると、アートの状態を13.3%改善することが示された。
コードはGitHubで公開されている。
論文 参考訳（メタデータ） (2020-11-18T11:18:16Z)
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。