Fugu-MT 論文翻訳(概要): Sample-and-Score: Surrogate-Guided Coordinated Spatial Reuse in IEEE 802.11 Networks

論文の概要: Sample-and-Score: Surrogate-Guided Coordinated Spatial Reuse in IEEE 802.11 Networks

arxiv url: http://arxiv.org/abs/2610.36868v1
Date: Tue, 27 Oct 2026 09:04:53 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-28 21:04:31.55121
Title: Sample-and-Score: Surrogate-Guided Coordinated Spatial Reuse in IEEE 802.11 Networks
Title（参考訳）: サンプル・アンド・スコア:IEEE 802.11ネットワークにおけるサロゲート誘導型空間的再利用
Abstract要約: IEEE 802.11bnにおける協調空間再利用(Co-SR)は同時送信による面積スループットを向上させる。ランダムなCo-SR構成を描画し,それぞれを代理モデルでスコアし,ベストを選択する,サンプル・アンド・スコアのアプローチを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Coordinated spatial reuse (Co-SR) in IEEE 802.11bn increases area throughput through simultaneous transmissions, yet the combinatorial configuration space makes real-time optimization challenging. We propose a sample-and-score approach: draw random Co-SR configurations, score each with a surrogate model, and select the best. The surrogate is trained offline and deployed without online fine-tuning or sequential exploration, yet performs close to multi-armed bandit and heuristic baselines that need multiple interaction steps or extensive measurements. On unseen topologies with 2-16 access points, it recovers 52-77% of a perfect surrogate's throughput. A perfect sample-and-score approach reaches 95% of the upper bound throughput with 8192 candidates.
Abstract（参考訳）: IEEE 802.11bnにおける協調空間再利用(Co-SR)は同時送信による面積スループットを向上させるが、組合せ構成空間はリアルタイムの最適化を困難にしている。ランダムなCo-SR構成を描画し,それぞれを代理モデルでスコアし,ベストを選択する,サンプル・アンド・スコアのアプローチを提案する。シュロゲートはオフラインで訓練され、オンラインの微調整やシーケンシャルな探索なしに展開される。 2-16アクセスポイントを持つ見えないトポロジでは、完全なサロゲートのスループットの52-77%を回復する。完璧なサンプル・アンド・スコアのアプローチは、8192候補を持つ上限スループットの95%に達する。

関連論文リスト

GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed [71.05944634852158]
GroundAnythingはブロックワイズによる正確なローカライゼーションで高速並列デコーディングを再構成する。 30のグラウンドベンチマークで、私たちの自己回帰型であるGroundAnything-VLMは、この技術の新たな全体的な状態を確立します。エントロピー誘導復号法により、GroundAnythingは、この規模の芸術の先行状態を超越している。
論文参考訳（メタデータ） (2026-09-30T12:20:51Z)
COMPASS: Ordered Clustered Routing at 100K Scale [58.17379544011152]
大規模ルーティングは、しばしば所定の順序でノードのクラスタを訪問する必要があるため、順序付きクラスタ旅行セールスマン問題(OCTSP)が発生する。我々は,並列サブソルバのオーケストレーションによる探索と学習促進ルーティングを組み合わせたOCTSPのCompassアルゴリズムを提案する。 100K合成ノードと28.5K実電子商取引ノードへのスケーリングを実演する。
論文参考訳（メタデータ） (2026-09-17T13:17:42Z)
Empowering Cross-Domain Sequential Recommendation with Hybrid Tokenization and Serial-Parallel Decoding [63.74998371740272]
クロスドメインシーケンシャルレコメンデーション(CDSR)は、ユーザの動的関心遷移と複数のドメインにわたるシーケンシャルパターンをモデル化することを目的としている。我々は,CDSRの効率的かつ効率的な生成フレームワークであるGenCDSRを提案する。我々は、GenCDSRが、最先端のベースラインと比較して平均精度を1.5パーセント向上し、平均推論遅延を85.1%削減したことを示す。
論文参考訳（メタデータ） (2026-07-21T08:01:15Z)
Intelligent Base Station Deployment in Urban Wireless Networks: A Geographic Data-Informed Digital Twin Approach [39.62738465338706]
地理的データを用いた無線ネットワークディジタルツイン(DT)と深部強化学習(DRL)を統合したインテリジェントベースステーション(BS)デプロイメントフレームワークを提案する。我々は,多段階マルコフ決定過程(MDP)としてBS配置を定式化し,空間構造DRLアルゴリズムを用いて解いた。実世界の都市シナリオにおける実験結果は、地理的データインフォームドDTが100サンプルの予測に匹敵する精度を得ることを示した。
論文参考訳（メタデータ） (2026-06-30T08:20:05Z)
ARCS: Autoregressive Circuit Synthesis with Topology-Aware Graph Attention and Spec Conditioning [0.0]
ARCSは、検索ベースの手法で必要とされる分ではなく、完全なSPICEシミュラブルな設計をミリ秒で生成する。単モデル推論では、ベストオブ3候補選択を備えたトポロジ対応グラフ変換器が97msで85%のシミュレーション精度に達し、ランダム検索より600倍以上高速である。
論文参考訳（メタデータ） (2026-03-30T23:14:08Z)
Learning conditional distributions on continuous spaces [0.0]
多次元単位箱上の条件分布のサンプルベース学習について検討する。我々は2つの異なるクラスタリングスキームを用いる: 1つは固定ラディウス球に基づいており、もう1つは近接する近傍にある。我々は,ニューラルネットワークのトレーニングに近接する手法を取り入れることを提案する。
論文参考訳（メタデータ） (2024-06-13T17:53:47Z)
Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。 DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-04-11T03:13:02Z)
Hybrid-Task Meta-Learning: A GNN Approach for Scalable and Transferable Bandwidth Allocation [50.96751567777229]
ユーザ数に応じてスケーラブルで,異なる通信シナリオに転送可能な,ディープラーニングベースの帯域割り当てポリシを開発する。スケーラビリティをサポートするために、帯域割り当てポリシーはグラフニューラルネットワーク(GNN)によって表現される。我々は,GNNの初期パラメータを異なる通信シナリオで学習するハイブリッドタスクメタ学習(HML)アルゴリズムを開発した。
論文参考訳（メタデータ） (2023-12-23T04:25:12Z)
Improving Proximity Estimation for Contact Tracing using a Multi-channel Approach [1.3404503606887717]
近接推定を改善するためのマルチチャネル手法を提案する。我々は,BLEとIEEE 802.11信号に基づく分類モデルを開発し,評価した。 IEEE 802.11のプローブ要求に基づく実装では、プライバシーの問題や制限にも遭遇しました。
論文参考訳（メタデータ） (2022-01-25T15:45:23Z)
Non-Adaptive Adaptive Sampling on Turnstile Streams [57.619901304728366]
カラムサブセット選択、部分空間近似、射影クラスタリング、および空間サブリニアを$n$で使用するターンタイルストリームのボリュームに対する最初の相対エラーアルゴリズムを提供する。我々の適応的なサンプリング手法は、様々なデータ要約問題に多くの応用をもたらしており、これは最先端を改善するか、より緩和された行列列モデルで以前に研究されただけである。
論文参考訳（メタデータ） (2020-04-23T05:00:21Z)

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。