論文の概要: Digital-Twin-Referenced Belief-Guided Q-Learning for Jammer Identification and Beam-Power Control in a mmWave Model
- arxiv url: http://arxiv.org/abs/2610.16770v1
- Date: Mon, 12 Oct 2026 13:27:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-18 21:36:58.732936
- Title: Digital-Twin-Referenced Belief-Guided Q-Learning for Jammer Identification and Beam-Power Control in a mmWave Model
- Title（参考訳）: mmウェーブモデルにおけるジャマー同定とビームパワー制御のためのディジタルツイン関連Q-Learning
- Abstract要約: デジタルツイン(DT)と強化学習(RL)を組み合わせることで、適応的なリソース割り当てとセキュリティに配慮した意思決定を支援することができる。
本稿では, サイト固有の28GHzネットワークにおいて, 共振器識別とビームパワー制御のためのシミュレーションに基づくDT参照と信念誘導Q-ラーニング(BGQL)を提案する。
- 参考スコア（独自算出の注目度）: 6.141945506223323
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Digital Twin (DT) combined with reinforcement learning (RL) can support adaptive resource allocation and security-aware decision-making by comparing expected and observed network behavior. This paper presents a simulation-based DT reference and a belief-guided Q-learning (BGQL) for joint jammer identification and beam-power control in a site-specific 28-GHz network. For each action, the same channel simulator is evaluated under an attack-free and an attacked configuration. Receiver-level residuals are combined with spatial jamming footprints and accumulated to form a normalized suspicion vector. BGQL incorporates this vector into an aggregated state, a belief-concentration reward, and exploratory beam-selection rule. The BGQL scheme is compared with SARSA, Greedy, and Random under matched attacker sets. Across 30 paired Monte Carlo runs in four configurations, with the number of active jammers supplied to every method, BGQL achieves mean aggregate full-band link-rate scores of approximately 437.4--564.2~Mbit/s and rate-to-device-power scores of 60.37--76.79~Mbit/J. Its detection accuracy is 100\% in one-jammer configurations and approximately 78\%--81\% in two-jammer configurations. BGQL requires approximately 80--130~s per run, compared with 5--14~s for SARSA, reflecting evaluation of 625 beam pairs during exploratory steps. These findings provide a matched-model simulation proof of concept for DT-referenced belief-guided learning for security-aware beam-power control in 6G networks.
- Abstract（参考訳）: デジタルツイン(DT)と強化学習(RL)を組み合わせることで、期待と観測されたネットワーク動作を比較することで、適応的なリソース割り当てとセキュリティに配慮した意思決定を支援することができる。
本稿では, サイト固有の28GHzネットワークにおいて, 共振器識別とビームパワー制御のためのシミュレーションに基づくDT参照と信念誘導Q-ラーニング(BGQL)を提案する。
各アクションについて、同じチャネルシミュレータをアタックフリーでアタック構成で評価する。
受信者レベルの残差は空間ジャミングフットプリントと組み合わせて蓄積され、正規化された疑似ベクトルを形成する。
BGQLはこのベクトルを集約状態、信念集中報酬、探索ビーム選択規則に組み込む。
BGQLスキームは、マッチした攻撃セットの下でSARSA、Greedy、Randomと比較される。
30対のモンテカルロは4つの構成で動作し、各メソッドにアクティブなジャマーの数が供給され、BGQLは約437.4--564.2~Mbit/sの合計全バンドリンクレートスコアと60.37--76.79~Mbit/Jのレート・ツー・デバイスパワースコアを達成している。
検出精度は1ジャマー構成で100\%、2ジャマー構成で約78\%--81\%である。
BGQLは、SARSAの5--14~sと比較して、約80--130~sの実行を必要とし、探索段階の625ビームペアの評価を反映している。
これらの結果は、6Gネットワークにおけるセキュリティ対応ビームパワー制御のためのDT-referenced belief-guided Learningの概念と一致したモデルシミュレーションの証明を提供する。
関連論文リスト
- Offline Reinforcement Learning for Distribution-Grid Protection [42.05746375597851]
我々は,CIGRE中電圧ネットワークの静的軌跡からの線選択的トリップについて検討した。
畳み込みQネットワークは、因果電圧電流ファサーおよび見かけインピーダンス特徴を受信する。
その結果,密度予測性能と終端保護挙動がモデルランキングに影響を及ぼす可能性が示唆された。
論文 参考訳（メタデータ） (2026-09-21T14:49:04Z) - Topological State-Aware Simulation Framework for Inter-Satellite Twin-Field QKD Networks [1.7259898169307613]
衛星間リンク(ISL)は、グローバル量子ネットワークにとって必須のバックボーンである。
TF-QKDは、動的で非IID軌道環境に対して非常に脆弱である。
参照のみのトポロジカル・ポストセレクション・オラクルを導入する。
論文 参考訳（メタデータ） (2026-08-12T23:45:37Z) - Bit-Accurate FPGA Evaluation of Learned Feature Gating in a Fixed-Point Fourier-Feature Automatic Modulation Classifier [0.0]
この研究は、24のスパースDFTエネルギー特性、8の位相/統計特性、32から128から11の多層パーセプトロンを用いて、コンパクトな固定点分類におけるトレードオフを測定する。
ゲーテッドモデルとアンゲートモデルは、トレーニング後の量子化(PTQ)と量子化対応トレーニング(QAT)でトレーニングされる。
論文 参考訳（メタデータ） (2026-07-27T15:36:06Z) - Systematic Exploration of 4-Expert Heterogeneous Mixture-of-Experts via Automated Pipeline Search [44.70501115891534]
不均一な4-Expert Mixture-of-Experts (MoE4) のための自動探索パイプラインを提案する。
パイプラインは197バッチで4,463の候補モデルを生成し、1,021が成功した。
キャンペーンから重要な発見が現れた:イタトールによるアルファベット順列挙による。
論文 参考訳（メタデータ） (2026-06-21T13:43:27Z) - Brain-inspired spike-timing plasticity for reliable label-efficient event-camera vision [0.3823356975862005]
ローカルスパイクタイピング依存可塑性(STDP)モジュールは、GPUをサポートせずに単一のCPUスレッドで動作する。
密度勾配訓練検出器は, 勾配訓練, 密度行列乗算, 局所可塑性自由運転を建設によって組み合わせることができない。
論文 参考訳（メタデータ） (2026-05-17T22:56:16Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - ABRA: Agent Benchmark for Radiology Applications [46.39696206872633]
エージェントがビューアとOrthanc DICOMサーバを操作する無線エージェントベンチマークであるABRAを紹介する。
ABRAには3つの困難層と8つのタイプにわたる655の655のタスクが含まれている。
各エピソードは、タスクタイプ固有の自動スコアラーによって、プランニング、実行、アウトカム(Blueth et al., 2025)に沿ってスコアされる。
論文 参考訳（メタデータ） (2026-05-11T20:34:20Z) - WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。
WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。
NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文 参考訳（メタデータ） (2026-04-20T01:29:56Z) - DT-DDNN: A Physical Layer Security Attack Detector in 5G RF Domain for CAVs [10.215216950059874]
妨害攻撃は5Gネットワークに重大なリスクをもたらす。
本研究は, CAVネットワークにおけるジャマー検出のための, 深層学習に基づく新しい手法を提案する。
提案手法は, 余剰低妨害電力の96.4%検出率を実現する。
論文 参考訳（メタデータ） (2024-03-05T04:29:31Z) - Learn to Match: Automatic Matching Network Design for Visual Tracking [43.476030483114094]
明示的な類似性学習の代わりに、6つの新しいマッチング演算子を導入する。
本稿では,これらの演算子の最適組み合わせを探索するバイナリチャネル操作を提案する。
我々のモデルは、OTB100、LaSOT、TrackingNetで67.2の右ロー71.4$、52.6の右ロー58.3$、70.3の右ロー76.0$の利益を得られる。
論文 参考訳（メタデータ） (2021-08-02T12:09:23Z)
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。