| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2012-12-18 10:35 ニューラルネットワークによる途絶耐性ネットワークのスケジューリング最適化 ○佐々木大輔（東北大）・早川吉弘（仙台高専）・佐藤茂雄・中島康治（東北大）  NLP2012-100 |
|
| 抄録 | （和） | 災害等により通信インフラが破壊された場合の通信を行う技術としてDTN(Disruption tolerant Network)を利用する研究が行われている.DTN では移動性のノードが孤立したネットワーク間でデータの運搬を行う事で通信を行う事が可能である. その際には移動ノードの効率的なスケジューリングが重要となる. しかしながらこのスケジューリングは一種の最適化問題と考えられ実用的な時間内での最適解の探査は難しい. 一方最適化問題を高速に解く技術としてニューラルネットワークが提案されている. 本研究ではDTN 移動ノードのスケジューリングに高次結合逆関数遅延ネットワークを適用し最適解探査を試みる. |
| （英） | A Disruption tolerant Network (DTN) is studied as a communicating technique when a network infrastructure was destroyed by disasters.In DTN, mobility node carries data among isolated networks, and they can be communicate with each other.In addition, Ecient scheduling of the mobility node is important. However, this scheduling is a kind of optimization problem,and exploration of optimal solutions is dicult in practical time.On the other hand, the neural network has been proposed as a technique to solve the optimization problem at high speed.In this study,applying the Higher-order inverse function delayed network to the scheduling of DTN mobility node,we attempted to explore the optimal solution. |
|
| キーワード | （和） | 高次結合逆関数遅延モデル / ニューラルネットワーク / 途絶耐性ネットワーク / / / / / |
| （英） | Higher-order Inverse Function delayed Model / Neural network / Disruption tolerant network / / / / / | |
| 文献情報 | 信学技報, vol. 112, no. 363, NLP2012-100, pp. 65-68, 2012年12月. | |
| 資料番号 | NLP2012-100 | |
| 発行日 | 2012-12-10 (NLP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLP2012-100 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2012-12-17 - 2012-12-18 |
| 開催地（和） | 福井市地域交流プラザ |
| 開催地（英） | Fukui City Communication Plaza |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2012-12-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | ニューラルネットワークによる途絶耐性ネットワークのスケジューリング最適化 |
| サブタイトル（和） | |
| タイトル（英） | Optimization of Scheduling in Disruption-Tolerant Networks by Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 高次結合逆関数遅延モデル / Higher-order Inverse Function delayed Model |
| キーワード(2)（和/英） | ニューラルネットワーク / Neural network |
| キーワード(3)（和/英） | 途絶耐性ネットワーク / Disruption tolerant network |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 佐々木 大輔 / Daisuke Sasaki / ササキ ダイスケ |
| 第1著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku Univresity (略称： Tohoku Univ) |
| 第2著者 氏名（和/英/ヨミ） | 早川 吉弘 / Yoshihiro Hayakawa / ハヤカワ ヨシヒロ |
| 第2著者 所属（和/英） | 仙台高等専門学校 (略称： 仙台高専) Sendai National College of Technology (略称： SNCT) |
| 第3著者 氏名（和/英/ヨミ） | 佐藤 茂雄 / Shigeo Sato / サトウ シゲオ |
| 第3著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku Univresity (略称： Tohoku Univ) |
| 第4著者 氏名（和/英/ヨミ） | 中島 康治 / Koji Nakajima / ナカジマ コウジ |
| 第4著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku Univresity (略称： Tohoku Univ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2012-12-18 10:35:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2012-100 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.363 |
| ページ範囲 | pp.65-68 |
| ページ数 | 4 |
| 発行日 | 2012-12-10 (NLP) |
[研究会発表申込システムのトップページに戻る]