論文の概要: Transformer-Based MCS Prediction for 5G Multicast-Broadcast Services (MBS)

• arxiv url: http://arxiv.org/abs/2605.16735v1
• Date: Sat, 16 May 2026 01:10:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.994289
• Title: Transformer-Based MCS Prediction for 5G Multicast-Broadcast Services (MBS)
• Title（参考訳）: 変圧器を用いた5G Multicast-Broadcast Services (MBS) のMCS予測
• Authors: Kasidis Arunruangsirilert, Jiro Katto,
• Abstract要約: ビデオセグメントの水平線上で28のMCS指標が成功する確率を予測する軽量なTransformerベースのフレームワークを提案する。 提案手法は信頼性スコア86.89%を達成し、生スループットに最適化された標準AIベースラインを大幅に上回っている。 このモデルはリアルタイムアプリケーションに最適化されており、COTS 5G時代のスマートフォン上では0.07ミリ秒未満の推測時間を示す。
• 参考スコア（独自算出の注目度）: 7.094650278617499
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The deployment of 5G Multicast-Broadcast Services (MBS) is emerging as a critical technology for spectral-efficient UHD content delivery and serving as a promising solution to modernize CATV deployment. However, unlike unicast networks that rely on RLC-AM with HARQ retransmissions, MBS broadcast operates in RLC Unacknowledged Mode (RLC-UM), where the absence of a feedback loop means packet loss is permanent and immediately impacts user QoE. Conventional link adaptation algorithms, designed for unicast, typically aggressively maximize throughput and fail in this risk-intolerant environment, resulting in severe video stalls and rebuffering. To address this, we propose a lightweight Transformer-based framework that predicts the success probability of all 28 MCS indices over an upcoming video segment horizon. Utilizing a unique commercial network dataset with 0.5 ms slot-level granularity, we train our model using a custom Asymmetric Safety Loss function that penalizes channel overestimation to prioritize link stability. Experimental results show that our approach achieves a reliability score of 86.89%, significantly outperforming standard AI baselines optimized for raw throughput (31.65%) while maintaining a safe conservative bias. Furthermore, the model is optimized for real-time applications, demonstrating an inference time of less than 0.07 ms on COTS 5G-era smartphones.
• Abstract（参考訳）: 5G Multicast-Broadcast Services (MBS)のデプロイメントは、スペクトル効率の良いUHDコンテンツ配信の重要な技術として現れ、CATVデプロイメントを近代化するための有望なソリューションとして役立っている。 しかし、RLC-AMとHARQの再送信に依存するユニキャストネットワークとは異なり、MBSブロードキャストはRLC Unacknowledged Mode (RLC-UM)で動作する。 従来、ユニキャスト用に設計されたリンク適応アルゴリズムは、一般的にスループットを積極的に最大化し、この危険な環境において失敗する。 そこで本研究では,近日中に行われるビデオセグメント水平線上で,28のMCS指標が成功する確率を予測する軽量なTransformerベースのフレームワークを提案する。 0.5msのスロットレベルの粒度を持つユニークな商用ネットワークデータセットを用いて、チャネル過大評価をペナルティ化してリンク安定性を優先する、独自の非対称安全損失関数を用いてモデルを訓練する。 実験結果から,本手法は信頼性スコア86.89%を達成し,生スループット(31.65%)に最適化された標準AIベースラインを大幅に上回った。 さらに、このモデルはリアルタイムアプリケーションに最適化されており、COTS 5G時代のスマートフォン上では0.07ミリ秒未満の推測時間を示す。

関連論文リスト

• Explainable and Hardware-Efficient Jamming Detection for 5G Networks Using the Convolutional Tsetlin Machine [11.630090481307342]
  本稿では,CTM(Convolutional Tsetlin Machine)を用いた軽量,説明可能な,ハードウェア効率のジャミング検出について検討する。 CTMは、量子化された入力に対してブール論理節を定式化し、ビットレベルの推論とFPGAファブリックへの決定論的展開を可能にする。 我々は、同じ前処理とトレーニングパイプラインの下で、CTMを畳み込みニューラルネットワーク(CNN)ベースラインに対してベンチマークする。
  論文  参考訳（メタデータ） (2026-03-07T20:54:10Z)
• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• Automated Energy-Aware Time-Series Model Deployment on Embedded FPGAs for Resilient Combined Sewer Overflow Management [17.903318666906728]
  気候変動によって激化する極度の気象現象は、下水道システムの老朽化に挑戦する傾向にある。 下水道流域充填量の予測は早期介入に有効な洞察を与えることができる。 本稿では,エッジデバイス上でエネルギー効率の高い推論を可能にするエンドツーエンド予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-19T15:06:04Z)
• Benchmarking Federated Learning for Throughput Prediction in 5G Live Streaming Applications [5.026196568145574]
  本稿では,現実的な5Gエッジシナリオにおけるスループット予測のためのフェデレーション学習戦略の総合的なベンチマークを行う。 FedBNは、非IID条件下で一貫してロバストな性能を提供する。 LSTMとTransformerモデルは、CNNベースのベースラインを最大80%のR2スコアで上回る。
  論文  参考訳（メタデータ） (2025-08-11T21:27:40Z)
• Mobile Jamming Mitigation in 5G Networks: A MUSIC-Based Adaptive Beamforming Approach [3.8683028650079625]
  モバイル・ジャマーは5Gネットワーク、特に軍事通信において重大な脅威となる。 本稿では,MUSIC(Multiple Signal Classification)と統合したインテリジェント・アンチ・ジャミング・フレームワークを提案する。 我々のハイブリッドアプローチは、9.58dB、最大99.8%のDoA推定精度でSNR(Signal-to-Noise Ratio)の改善を実現している。
  論文  参考訳（メタデータ） (2025-05-12T20:31:31Z)
• RRC Signaling Storm Detection in O-RAN [0.0]
  無線リソース制御プロトコルの悪用によって引き起こされる信号嵐は、5Gの可用性にとって重大な脅威である。 我々は、悪意ある活動と正当な高ネットワーク負荷条件を区別するためにRCC層の特徴に依存するしきい値に基づく検出手法を開発した。
  論文  参考訳（メタデータ） (2025-04-22T09:32:11Z)
• Digital Twin-Assisted Data-Driven Optimization for Reliable Edge Caching in Wireless Networks [60.54852710216738]
  我々はD-RECと呼ばれる新しいデジタルツインアシスト最適化フレームワークを導入し、次世代無線ネットワークにおける信頼性の高いキャッシュを実現する。 信頼性モジュールを制約付き決定プロセスに組み込むことで、D-RECは、有利な制約に従うために、アクション、報酬、状態を適応的に調整することができる。
  論文  参考訳（メタデータ） (2024-06-29T02:40:28Z)
• FastEmit: Low-latency Streaming ASR with Sequence-level Emission Regularization [78.46088089185156]
  ストリーム自動音声認識(ASR)は、仮説化された単語を可能な限り迅速かつ正確に出力することを目的としている。 既存のアプローチでは、シーケンストランスデューサモデルにおいて、トーケン単位またはフレーム単位の確率予測を演算することで、発光遅延をペナルティ化する。 本稿では,訓練用トランスデューサモデルにおいて,シーケンス毎の確率に遅延正規化を直接適用する,FastEmitというシーケンスレベルのエミッション正規化手法を提案する。
  論文  参考訳（メタデータ） (2020-10-21T17:05:01Z)
• Towards a Competitive End-to-End Speech Recognition for CHiME-6 Dinner Party Transcription [73.66530509749305]
  本稿では,難しい場合であっても,ハイブリッドベースラインに近い性能を示すエンドツーエンドアプローチについて論じる。 CTC-Attention と RNN-Transducer のアプローチと RNN と Transformer のアーキテクチャを比較し,解析する。 RNN-Transducerをベースとしたベストエンド・ツー・エンドモデルでは、ビームサーチの改善とともに、LF-MMI TDNN-F CHiME-6 Challengeのベースラインよりも品質が3.8%向上した。
  論文  参考訳（メタデータ） (2020-04-22T19:08:33Z)

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。