論文の概要: AWaRe-SAC: Proactive Slice Admission Control under Weather-Induced Capacity Uncertainty
- arxiv url: http://arxiv.org/abs/2601.05978v1
- Date: Fri, 09 Jan 2026 17:53:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-12 17:41:50.061261
- Title: AWaRe-SAC: Proactive Slice Admission Control under Weather-Induced Capacity Uncertainty
- Title（参考訳）: AWaRe-SAC:気象条件下でのスライス適応制御
- Authors: Dror Jacoby, Yanzhi Li, Shuyue Yu, Nicola Di Cicco, Hagit Messer, Gil Zussman, Igor Kadota,
- Abstract要約: 降雨変動を考慮したmWave x-haul ネットワークのためのアクティブスライス入射制御フレームワークを開発した。
提案フレームワークは,将来的なネットワーク条件の深層学習予測と,Q-ラーニングに基づくスライス入力制御機構を統合する。
本ソリューションは,動的リンク条件下での長期平均収益を2～3倍に向上させる。
- 参考スコア（独自算出の注目度）: 11.603742503826007
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As emerging applications demand higher throughput and lower latencies, operators are increasingly deploying millimeter-wave (mmWave) links within x-haul transport networks, spanning fronthaul, midhaul, and backhaul segments. However, the inherent susceptibility of mmWave frequencies to weather-related attenuation, particularly rain fading, complicates the maintenance of stringent Quality of Service (QoS) requirements. This creates a critical challenge: making admission decisions under uncertainty regarding future network capacity. To address this, we develop a proactive slice admission control framework for mmWave x-haul networks subject to rain-induced fluctuations. Our objective is to improve network performance, ensure QoS, and optimize revenue, thereby surpassing the limitations of standard reactive approaches. The proposed framework integrates a deep learning predictor of future network conditions with a proactive Q-learning-based slice admission control mechanism. We validate our solution using real-world data from a mmWave x-haul deployment in a dense urban area, incorporating realistic models of link capacity attenuation and dynamic slice demands. Extensive evaluations demonstrate that our proactive solution achieves 2-3x higher long-term average revenue under dynamic link conditions, providing a scalable and resilient framework for adaptive admission control.
- Abstract（参考訳）: 新興アプリケーションが高いスループットと低レイテンシを要求する中、オペレーターは、フロントホール、ミッドホール、バックホールセグメントにまたがるx-ハール輸送ネットワークにミリ波リンク(mmWave)を配置し始めている。
しかし、気象関連減衰、特に雨天に対するミリ波周波数の固有の感受性は、厳格なQoS(Quality of Service)要件の維持を複雑にしている。
これは、将来のネットワーク容量に関する不確実性の下で入場決定を行うことという、重要な課題を生み出します。
そこで我々は,降雨に伴う変動を考慮したmmWave x-haul ネットワークのための能動的スライス入射制御フレームワークを開発した。
私たちの目標は、ネットワークパフォーマンスを改善し、QoSを保証し、収益を最適化することで、標準的なリアクティブアプローチの制限を克服することにあります。
提案フレームワークは,将来的なネットワーク条件の深層学習予測と,Q-ラーニングに基づくスライス入力制御機構を統合する。
我々は,密集都市部におけるmmWave x-haul配置の実世界データを用いて,リンク容量減衰と動的スライス要求の現実的モデルを用いて,本ソリューションの有効性を検証した。
提案手法は,動的リンク条件下での長期平均収益の2～3倍に向上し,適応型入出力制御のためのスケーラブルでレジリエントなフレームワークを提供する。
関連論文リスト
- A Threshold-Triggered Deep Q-Network-Based Framework for Self-Healing in Autonomic Software-Defined IIoT-Edge Networks [0.0]
Flashイベントは、ソフトウェア定義産業ネットワークにおける断続的なサービス劣化の主要な要因である。
本研究では、自律的にネットワーク破壊を検出し、分析し、緩和するしきい値トリガー付きディープQネットワークセルフヒーリングエージェントを提案する。
提案手法は, ベースライン最短経路および負荷バランスルーティング方式と比較して, 破壊回復性能を53.84%向上させる。
論文 参考訳（メタデータ） (2025-12-16T11:11:37Z) - AVERY: Adaptive VLM Split Computing through Embodied Self-Awareness for Efficient Disaster Response Systems [6.294240680169978]
災害時の無人航空機(UAV)は、CNNが提供できない複雑なクエリー可能な知性を必要とする。
本稿では,適応型分割計算によるVLMデプロイメントを実現するフレームワークであるAVERYを紹介する。
論文 参考訳（メタデータ） (2025-11-22T18:42:04Z) - Robust Single-Agent Reinforcement Learning for Regional Traffic Signal Control Under Demand Fluctuations [5.784337914162491]
交通渋滞は、主に交差点の待ち行列によって引き起こされ、都市生活水準、安全性、環境品質、経済効率に大きな影響を及ぼす。
本研究では,地域適応型TSCのための新しい単エージェント強化学習フレームワークを提案する。
このフレームワークは堅牢な反ゆらぎ能力を示し、待ち時間を大幅に短縮する。
論文 参考訳（メタデータ） (2025-11-01T13:18:50Z) - PASS-Enhanced MEC: Joint Optimization of Task Offloading and Uplink PASS Beamforming [67.78883135636657]
ピンチアンテナシステム (PASS) によるモバイルエッジコンピューティング (MEC) アーキテクチャについて検討した。
PASSは、重要な経路損失と潜在的な信号遮断を効果的に軽減しつつ、短距離ライン・オブ・ライト(LoS)リンクを確立する。
ネットワーク遅延最小化問題を定式化し、アップリンクPASSビームフォーミングとタスクオフロードを共同で最適化する。
論文 参考訳（メタデータ） (2025-10-27T03:04:46Z) - Dynamic RIS-Assisted THz Quantum Networks: Joint Optimization of Entanglement Generation and Fidelity under Channel Impairments [0.0]
テラヘルツ(THz)無線リンクがサポートする量子ネットワーク(QN)は、ファイバベースインフラの代替となる。
THzチャネルにおける信号減衰、分子吸収、および激しい伝搬損失は、信頼性の高い量子状態伝達と絡み合い分布に重大な課題をもたらす。
本稿では、アクティブモードとパッシブモードを切り替えることのできる適応RIS要素を利用する動的再構成可能なインテリジェントサーフェス(RIS)支援無線QNアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-09-25T19:46:08Z) - Reconfigurable Intelligent Surface (RIS)-Assisted Entanglement
Distribution in FSO Quantum Networks [62.87033427172205]
自由空間光(FSO)量子チャネルに依存する量子ネットワーク(QN)は、光ファイバー基盤の確立が困難でコストがかかる環境における量子アプリケーションをサポートすることができる。
エンタングルメント分布のための仮想視線を提供する費用効率の高いフレームワークとして,再構成可能なインテリジェントサーフェス(RIS)を用いたFSOベースのQNを提案する。
論文 参考訳（メタデータ） (2024-01-19T17:16:40Z) - Scaling Limits of Quantum Repeater Networks [62.75241407271626]
量子ネットワーク(QN)は、セキュアな通信、強化されたセンシング、効率的な分散量子コンピューティングのための有望なプラットフォームである。
量子状態の脆弱な性質のため、これらのネットワークはスケーラビリティの観点から大きな課題に直面している。
本稿では,量子リピータネットワーク(QRN)のスケーリング限界について解析する。
論文 参考訳（メタデータ） (2023-05-15T14:57:01Z) - Entangled Pair Resource Allocation under Uncertain Fidelity Requirements [59.83361663430336]
量子ネットワークにおいて、効果的な絡み合いルーティングは、量子ソースと量子宛先ノード間の通信を容易にする。
本稿では,絡み合ったペアに対する資源配分モデルと,整合性保証を伴う絡み合ったルーティングモデルを提案する。
提案モデルでは, ベースラインモデルと比較して, 総コストを少なくとも20%削減できる。
論文 参考訳（メタデータ） (2023-04-10T07:16:51Z) - Deep Reinforcement Learning with Spatio-temporal Traffic Forecasting for
Data-Driven Base Station Sleep Control [39.31623488192675]
5G時代のモバイル交通需要の増加に対応するため、基地局(BS)は無線アクセスネットワーク(RAN)に密に展開され、ネットワークカバレッジと容量が向上しています。
BSの高密度はピークトラフィックに対応するために設計されているため、オフピーク時にBSがオンになっている場合、不必要に大量のエネルギーを消費します。
セルラーネットワークのエネルギー消費を抑えるために、交通需要に応えないアイドルベースステーションを非活性化する方法が効果的である。
本論文では,DeepBSC と呼ばれるトラフィック認識型動的 BS 睡眠制御フレームワークを開発した。
論文 参考訳（メタデータ） (2021-01-21T01:39:42Z) - Deep Learning for Radio Resource Allocation with Diverse
Quality-of-Service Requirements in 5G [53.23237216769839]
本研究では,基地局の最適資源配分ポリシーを近似するディープラーニングフレームワークを開発する。
完全接続ニューラルネットワーク(NN)は,近似誤差とサブキャリア数の量子化誤差により,要求を完全に保証できないことがわかった。
無線チャネルの分布と無線ネットワークにおけるサービスのタイプが定常的でないことを考慮し,非定常的無線ネットワークにおけるNNの更新にディープトランスファー学習を適用した。
論文 参考訳（メタデータ） (2020-03-29T04:48:22Z)
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。