講演抄録/キーワード |
講演名 |
2019-07-04 09:15
機械学習を用いた客観通信品質指標に基づくパラメータ制御手法の検討 ○黒沢啓人・進藤卓也・平栗健史(日本工大) CS2019-26 |
抄録 |
(和) |
近年,ディープラーニング等の機械学習が注目されている.無線通信分野でも様々な応用が提案,検討されている.そこで,客観通信品質の推定において,伝搬誤り,干渉,伝送,スループット,パケット損失など,無線通信特有の評価パラメータを機械学習に利用する手法を検討する.本稿では,特にニューラルネットワークの重み調整に注目する.従来,この重みの調整には,誤差逆伝搬法等が利用されるが,確率的な最適化手法を用いた場合の性能を確認する. |
(英) |
In recent years, machine learning such as deep learning has attracted attention. Various applications have been proposed and studied in the wireless communication field. Therefore, in the objective communication quality estimation, we consider a method that uses evaluation parameters specific to wireless communication such as propagation error, interference, transmission, throughput, packet loss, etc. for machine learning. In this paper, we focus especially on weight adjustment of neural networks. Conventionally, error back-propagation method etc. are used to adjust this weight, but the performance when using stochastic optimization method is confirmed. |
キーワード |
(和) |
ディープラーニング / 差分進化法 / QoE / 機械学習 / / / / |
(英) |
Deep Learning / Differential Evolution / QoE / Machine Learning / / / / |
文献情報 |
信学技報, vol. 119, no. 101, CS2019-26, pp. 55-56, 2019年7月. |
資料番号 |
CS2019-26 |
発行日 |
2019-06-27 (CS) |
ISSN |
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 |
CS2019-26 |
研究会情報 |
研究会 |
CS |
開催期間 |
2019-07-04 - 2019-07-05 |
開催地(和) |
奄美市福祉協議会 奄美市社会福祉センター |
開催地(英) |
Amami City Social Welfare Center |
テーマ(和) |
次世代ネットワーク,アクセスネットワーク,ブロードバンドアクセス方式,電力線通信,無線通信方式,符号化方式,一般 |
テーマ(英) |
Next Generation Networks, Access Networks, Broadband Access, Power Line Communications, Wireless Communication Systems, Coding Systems, etc. |
講演論文情報の詳細 |
申込み研究会 |
CS |
会議コード |
2019-07-CS |
本文の言語 |
日本語 |
タイトル(和) |
機械学習を用いた客観通信品質指標に基づくパラメータ制御手法の検討 |
サブタイトル(和) |
|
タイトル(英) |
A Study of Parameter Control Method Based on QoE by Machine learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ディープラーニング / Deep Learning |
キーワード(2)(和/英) |
差分進化法 / Differential Evolution |
キーワード(3)(和/英) |
QoE / QoE |
キーワード(4)(和/英) |
機械学習 / Machine Learning |
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) |
黒沢 啓人 / Hiroto Kurosawa / クロサワ ヒロト |
第1著者 所属(和/英) |
日本工業大学 (略称: 日本工大)
Nippon Institute of Technology (略称: NIT) |
第2著者 氏名(和/英/ヨミ) |
進藤 卓也 / Takuya Shindou / シンドウ タクヤ |
第2著者 所属(和/英) |
日本工業大学 (略称: 日本工大)
Nippon Institute of Technology (略称: NIT) |
第3著者 氏名(和/英/ヨミ) |
平栗 健史 / Takefumi Hiraguri / ヒラグリ タケフミ |
第3著者 所属(和/英) |
日本工業大学 (略称: 日本工大)
Nippon Institute of Technology (略称: NIT) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
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: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2019-07-04 09:15:00 |
発表時間 |
15分 |
申込先研究会 |
CS |
資料番号 |
CS2019-26 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.101 |
ページ範囲 |
pp.55-56 |
ページ数 |
2 |
発行日 |
2019-06-27 (CS) |
|