論文の概要: Beam-aware Kernelized Contextual Bandits for User Association and Beamforming in mmWave Vehicular Networks

• arxiv url: http://arxiv.org/abs/2603.19285v1
• Date: Sun, 08 Mar 2026 08:08:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.842379
• Title: Beam-aware Kernelized Contextual Bandits for User Association and Beamforming in mmWave Vehicular Networks
• Title（参考訳）: mm波ベクトルネットワークにおけるユーザアソシエーションとビームフォーミングのためのビーム対応カーネル化コンテキスト帯域
• Authors: Xiaoyang He, Manabu Tsukada,
• Abstract要約: 本稿では,ビーム対応カーネル化コンテキスト上信頼境界(BKC-UCB)アルゴリズムを提案する。 BKC-UCBは、過去の観測された伝送速度とともに、車両の位置や速度などの歴史的文脈を利用する。
• 参考スコア（独自算出の注目度）: 2.6527245983035437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Timely channel information is necessary for vehicles to determine both the serving base station (BS) and the beamforming vector, but frequent estimation of fast-fading mmWave channels incurs significant overhead. To address this challenge, we propose a Beam-aware Kernelized Contextual Upper Confidence Bound (BKC-UCB) algorithm that estimates instantaneous transmission rates without additional channel measurements by exploiting historical contexts such as vehicle location and velocity, together with past observed transmission rates. Specifically, BKC-UCB leverages kernel methods to capture the nonlinear relationship between context and transmission rate by mapping contexts into a reproducing kernel Hilbert space (RKHS), where linear learning becomes feasible. Rather than treating each beam as an independent arm, the beam index is embedded into the context, enabling BKC-UCB to exploit correlations among beams to accelerate convergence. Furthermore, an event-triggered information sharing mechanism is incorporated into BKC-UCB, enabling information exchange only when significant explorations are conducted to improve learning efficiency with limited communication overhead.
• Abstract（参考訳）: 車両がサーブベースステーション(BS)とビームフォーミングベクターの両方を決定するためにはタイムリーチャネル情報が必要であるが、高速なmmWaveチャネルの頻繁な推定はかなりのオーバーヘッドをもたらす。 この課題に対処するために,車両の位置や速度などの歴史的文脈と過去の観測された送信速度を併用することにより,追加のチャネル計測なしで瞬時送信率を推定するビーム対応カーネル化コンテキスト上信頼境界(BKC-UCB)アルゴリズムを提案する。 具体的には、BKC-UCBは、線形学習が実現可能な再生カーネルヒルベルト空間(RKHS)にコンテキストをマッピングすることで、コンテキストと伝送速度の非線形関係を捉えるためにカーネル手法を利用する。 各ビームを独立したアームとして扱うのではなく、ビームインデックスがコンテキストに埋め込まれ、BKC-UCBはビーム間の相関を利用して収束を加速する。 さらに、BKC-UCBにはイベントトリガー情報共有機構が組み込まれており、重要な探索が行われた場合にのみ情報交換が可能で、通信オーバーヘッドが限定された学習効率が向上する。

関連論文リスト

• Communication-Efficient Multi-Modal Edge Inference via Uncertainty-Aware Distributed Learning [60.650628083185616]
  トレーニングと推論効率を向上させるために,3段階のコミュニケーション対応分散学習フレームワークを提案する。 StageIでは、デバイスがローカルなマルチモーダルな自己教師型学習を行い、デバイス-サーバ交換なしで共有およびモダリティ固有のエンコーダを得る。 集中的な顕在的融合校正による分散微調整は、モダリティごとの不確かさを解消し、ノイズやチャネルのフェーディングによって歪んだ特徴を確実に集約する。 不確実性誘導フィードバック機構であるStageIIIは、分散環境での通信精度のトレードオフを最適化し、不確実なサンプルに対する追加機能を選択的に要求する。
  論文  参考訳（メタデータ） (2026-01-21T12:38:02Z)
• Environment-Aware Channel Inference via Cross-Modal Flow: From Multimodal Sensing to Wireless Channels [45.969793510760645]
  この論文では、マルチモーダル観測から直接完全なCSIを推定するパイロットフリーチャネル推定について検討する。 本研究では,センサ・チャネル間マッピングをモーダル間フローマッチング問題として定式化するデータ駆動型フレームワークを開発した。 実験では,シオンナとブレンダーをベースとした手続き型データ生成装置を構築し,センシングシーンのリアルなモデリングと無線伝搬を支援する。
  論文  参考訳（メタデータ） (2025-12-04T16:35:09Z)
• Learning-Based User Association for MmWave Vehicular Networks With Kernelized Contextual Bandits [2.6488367729897693]
  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。
  論文  参考訳（メタデータ） (2025-04-15T08:05:27Z)
• 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)
• Data-Driven Symbol Detection for Intersymbol Interference Channels with Bursty Impulsive Noise [1.9462217839524345]
  我々は,シンボル間干渉(ISI)チャネルを経由した符号化伝送におけるデータ駆動トレリスに基づくソフトシンボル検出のための機械学習手法を開発した。 これにより、Bahl-Cocke-Jelinek-Raviv (BCJR)アルゴリズムに基づいて最適化された検出器を得ることができた。 我々は,HMMによる状態遷移を最適化しながら,NNが可能性の学習に使用されるハイブリッドNNとHMM BCJRの検出の可能性を実証した。
  論文  参考訳（メタデータ） (2024-05-17T14:35:09Z)
• 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)
• Fast Beam Alignment via Pure Exploration in Multi-armed Bandits [91.11360914335384]
  我々は,ミリ波通信におけるBAレイテンシを低減するために,帯域幅に基づく高速BAアルゴリズムを開発した。 我々のアルゴリズムは2相ヘテロセダスティックトラック・アンド・ストップ (2PHT&S) と呼ばれる。
  論文  参考訳（メタデータ） (2022-10-23T05:57:39Z)
• Communication Efficient Distributed Learning for Kernelized Contextual Bandits [58.78878127799718]
  分散環境でのカーネル化されたコンテキスト帯域の学習における通信効率の課題に対処する。 我々は、エージェントが再現されたカーネルヒルベルト空間で協調的に探索できるようにすることにより、非線形報酬写像を考える。 我々は, 後悔とコミュニケーションの両コストにおいて, アルゴリズムがサブ線形レートを達成できることを厳格に証明した。
  論文  参考訳（メタデータ） (2022-06-10T01:39:15Z)
• 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)
• Decentralized Learning for Channel Allocation in IoT Networks over Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
  本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。 本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-30T10:05:35Z)

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。