論文の概要: Deep Learning-Based Multi-User Communication Design for Dense IoT Networks: Interference-Aware Finite-Blocklength Communication and Preliminary MIMO Extensions

• arxiv url: http://arxiv.org/abs/2608.22923v1
• Date: Mon, 24 Aug 2026 07:58:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:36.993144
• Title: Deep Learning-Based Multi-User Communication Design for Dense IoT Networks: Interference-Aware Finite-Blocklength Communication and Preliminary MIMO Extensions
• Title（参考訳）: 深層学習に基づく高密度IoTネットワークのための多ユーザ通信設計:干渉対応有限ブロック長通信と予備MIMO拡張
• Abstract要約: この研究は、干渉制限有限ブロック長IoTシナリオのためのディープラーニングベースのエンドツーエンドのマルチユーザ通信設計を導入している。 従来の2ユーザSiameseNetトランシーバフレームワークを拡張して,2ユーザ,4ユーザ,8ユーザを対象に,干渉抑制とノイズ堅牢性に学習冗長性を活用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dense IoT networks require reliable communication despite limited spectrum and substantial multi-user interference while maintaining manageable receiver complexity. This work introduces a deep-learning-based end-to-end multi-user communication design for interference-limited finite-blocklength IoT scenarios, focusing on short and medium blocklengths. We extend a prior 2-user SiameseNet transceiver framework to accommodate 2, 4, and 8 users, leveraging learned redundancy for interference suppression and noise robustness. Compared to conventional non-orthogonal access baselines, our method demonstrates strong Block Error Rate (BLER) performance across various scenarios without resorting to joint detection; the per-user decoder scales roughly linearly with the number of users. Further, we examine the robustness under interference mismatch and unequal interference strengths, critical for practical deployments with heterogeneous devices. The Latent-space analysis reveals that the learned codeword distance increases as the effective per-user rate decreases, corroborating with the observed BLER improvements. In addition, we also present preliminary results for a 2X2 MIMO setup under fixed-channel CSIT and CSIR, indicating potential for extending the framework to IoT gateways with multiple antennas.
• Abstract（参考訳）: 管理可能なレシーバの複雑さを維持しながら、スペクトルの制限とかなりのマルチユーザ干渉にもかかわらず、Dense IoTネットワークは信頼性の高い通信を必要とする。 この研究は、干渉制限された有限ブロック長IoTシナリオのための、ディープラーニングベースのエンドツーエンドのマルチユーザ通信設計を導入し、短距離と中距離のブロック長に焦点を当てる。 従来の2ユーザSiameseNetトランシーバフレームワークを拡張して,2ユーザ,4ユーザ,8ユーザを対象に,干渉抑制とノイズ堅牢性に学習冗長性を活用する。 従来の非直交アクセスベースラインと比較すると,ユーザ毎のデコーダはユーザ数とほぼ線形にスケールするので,様々なシナリオに対して強いブロック誤り率(BLER)を示す。 さらに, 干渉ミスマッチおよび不等干渉強度の下でのロバスト性について検討した。 Latent-space解析により、学習したコードワード距離が増加し、ユーザ毎の効率が低下し、観測されたBLERの改善と相関することが明らかとなった。 さらに、固定チャネルCSITとCSIRの2X2 MIMOセットアップの予備的な結果も提示し、複数のアンテナを備えたIoTゲートウェイへのフレームワーク拡張の可能性を示している。

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)
• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• AirFed: Federated Graph-Enhanced Multi-Agent Reinforcement Learning for Multi-UAV Cooperative Mobile Edge Computing [21.4907371859268]
  複数の無人航空機(UAV)協調移動エッジコンピューティング(MEC)システムは、軌道計画、タスクオフロード、リソース割り当ての調整において重要な課題に直面している。 既存のアプローチは、スケーラビリティの制限、収束の遅さ、UAV間の非効率な知識共有に悩まされている。 本稿では,新しい多エージェント強化学習フレームワークであるAirFedを提案する。
  論文  参考訳（メタデータ） (2025-10-27T06:31:35Z)
• Federated Learning for UAV-Based Spectrum Sensing: Enhancing Accuracy Through SNR-Weighted Model Aggregation [0.0]
  無人航空機(UAV)ネットワークは、3D空間、その課題、そして機会に関して異なる視点を必要とする。 本稿では,その分散特性と計算能力の制限を考慮した,UAVネットワークにおけるスペクトルセンシングのためのFLに基づく手法を提案する。 我々はまた、UAVが観測した信号と雑音の比率を考慮し、グローバルモデルを得るフェデレーションアグリゲーション手法、すなわちFedSNRを開発した。
  論文  参考訳（メタデータ） (2024-11-17T19:24:49Z)
• Renormalized Connection for Scale-preferred Object Detection in Satellite Imagery [51.83786195178233]
  我々は、効率的な特徴抽出の観点から再正規化群理論を実装するために、知識発見ネットワーク(KDN)を設計する。 KDN上の再正規化接続(RC)は、マルチスケール特徴の「相乗的焦点」を可能にする。 RCはFPNベースの検出器のマルチレベル特徴の分割・対数機構を幅広いスケールで予測されたタスクに拡張する。
  論文  参考訳（メタデータ） (2024-09-09T13:56:22Z)
• A SER-based Device Selection Mechanism in Multi-bits Quantization Federated Learning [6.922030110539386]
  本稿では,無線通信が記号誤り率(SER)による連合学習(FL)に与える影響を解析する。 FLシステムでは,非直交多重アクセス(NOMA)を基本的な通信フレームワークとして使用することで,複数のユーザによる通信混雑や干渉を低減することができる。 勾配パラメータを複数のビットに量子化し、より多くの勾配情報を最大範囲に保持し、伝送エラーの耐性を向上させる。
  論文  参考訳（メタデータ） (2024-04-20T06:27:01Z)
• Deep Reinforcement Learning for Interference Management in UAV-based 3D Networks: Potentials and Challenges [137.47736805685457]
  チャネル情報を知らなくても干渉を効果的に軽減できることを示す。 干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
  論文  参考訳（メタデータ） (2023-05-11T18:06:46Z)
• Performance Limits of a Deep Learning-Enabled Text Semantic Communication under Interference [89.91583691993071]
  本稿では,(マルチインターフェラー)RFIの存在下でのDeepSCという人気テキストSemComシステムの性能限界について検討する。 本稿では,DeepSCが意味的に無関係な文を生成することを示す。 また,マルチインターフェラーRFIにおいて,DeepSCの実用限界と停止確率の低い値も導出する。
  論文  参考訳（メタデータ） (2023-02-15T05:43:08Z)
• Towards an AI-Driven Universal Anti-Jamming Solution with Convolutional Interference Cancellation Network [4.450750414447688]
  ワイヤレスリンクは、重要なサービスを提供するためにますます使われていますが、意図的な干渉(ジャミング)は、そのようなサービスにとって深刻な脅威です。 機械学習の進歩とニューラルアクセラレータとソフトウェア定義無線の約束に依存するアプローチを提案する。 本研究では,2アンテナの試作システムを開発し,様々な環境設定や変調方式におけるジャミングキャンセル手法の評価を行う。
  論文  参考訳（メタデータ） (2022-03-18T03:30:57Z)
• 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。