| 講演名 | 2023-03-01 Study of Deep Reinforcement Learning for Wireless Multihop Networks サイ シカン(北陸先端大), クン アウン トウラ ピャオ(北陸先端大), リム 勇仁(北陸先端大), 丹 康雄(北陸先端大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | |
| 抄録(英) | In beyond 5G network, the device-to-device communications has been actively studied. These devices are wirelessly connected to each other and can receive and send information by forming a wireless multihop network (WMN). In WMN, there are still some issues that need to be resolved, like due to the uncertainty of source node choosing the path to send the message, the performance of network capacity can degrade drastically. Also, the high interference between nodes limits the transmission rate of the path. To solve these problems, in this research we propose two novel path selection algorithms called SNR-based learning path selection (NLPS) algorithm and SINR-based learning path selection (INLPS) algorithm based on deep reinforcement learning (DRL) to select best multihop path from source node to destination node with highest transmission rate and lowest interference and use factor graph (FG) representation to reduce the heavy iteration. Nested lattice code (NLC) is used in compute-and-forward strategy to reduce the time slots. Our simulation results reveal that NLPS use less iterations while INLPS can achieve higher network capacity. With NLC, the network capacity increases more. |
| キーワード(和) | |
| キーワード(英) | Wireless Multihop NetworksDeep Reinforcement LearningFactor GraphNested Lattice CodeNetwork CapacityComputation Time |
| 資料番号 | SeMI2022-113 |
| 発行日 | 2023-02-21 (SeMI) |
| 研究会情報 | |
| 研究会 | SeMI / IPSJ-UBI / IPSJ-MBL |
|---|---|
| 開催期間 | 2023/2/28(から2日開催) |
| 開催地（和） | 名古屋大学 工学部2号館 講義室241 |
| 開催地（英） | |
| テーマ（和） | センサネットワーク, モバイルインテリジェンス, モバイルコンピューティング, ユビキタスコンピューティング, 一般 |
| テーマ（英） | |
| 委員長氏名（和） | 山本 高至(京大) / 中澤 仁(慶應義塾大学) / 山口 弘純(大阪大学) |
| 委員長氏名（英） | Koji Yamamoto(Kyoto Univ.) / Jin Nakazawa(Keio University) / Hirozumi Yamaguchi(Osaka University) |
| 副委員長氏名（和） | 門田 和也(日立) / 大和田 泰伯(NICT) / 猿渡 俊介(阪大) |
| 副委員長氏名（英） | Kazuya Monden(Hitachi) / Yasunori Owada(NICT) / Shunsuke Saruwatari(Osaka Univ.) |
| 幹事氏名（和） | 勝間田 優樹(NTTドコモ) / 中山 悠(東京農工大) / 内山 彰(阪大) |
| 幹事氏名（英） | Yuki Katsumata(NTT DOCOMO) / Yu Nakayama(Tokyo Univ. of Agri. and Tech.) / Akira Uchiyama(Osaka Univ.) |
| 幹事補佐氏名（和） | 松田 裕貴(奈良先端大) / 田谷 昭仁(青学大) / 平井 健士(阪大) |
| 幹事補佐氏名（英） | Yuki Matsuda(NAIST) / Akihito Taya(Aoyama Gakuin Univ.) / Takeshi Hirai(Osaka Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Sensor Network and Mobile Intelligence / Special Interest Group on Ubiquitous Computing System / Special Interest Group on Mobile Computing and Smart Society System |
|---|---|
| 本文の言語 | ENG |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Study of Deep Reinforcement Learning for Wireless Multihop Networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | / Wireless Multihop NetworksDeep Reinforcement LearningFactor GraphNested Lattice CodeNetwork CapacityComputation Time |
| 第 1 著者 氏名（和/英） | サイ シカン / Cui Zhihan |
| 第 1 著者 所属（和/英） | 北陸先端科学技術大学院大学(略称：北陸先端大) Japan Advanced Institute of Science and Technology(略称：JAIST) |
| 第 2 著者 氏名（和/英） | クン アウン トウラ ピャオ / Khun Aung thura phyo |
| 第 2 著者 所属（和/英） | 北陸先端科学技術大学院大学(略称：北陸先端大) Japan Advanced Institute of Science and Technology(略称：JAIST) |
| 第 3 著者 氏名（和/英） | リム 勇仁 / Lim Yuto |
| 第 3 著者 所属（和/英） | 北陸先端科学技術大学院大学(略称：北陸先端大) Japan Advanced Institute of Science and Technology(略称：JAIST) |
| 第 4 著者 氏名（和/英） | 丹 康雄 / Tan Yasuo |
| 第 4 著者 所属（和/英） | 北陸先端科学技術大学院大学(略称：北陸先端大) Japan Advanced Institute of Science and Technology(略称：JAIST) |
| 発表年月日 | 2023-03-01 |
| 資料番号 | SeMI2022-113 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | SeMI-390 |
| ページ範囲 | pp.37-42(SeMI), |
| ページ数 | 6 |
| 発行日 | 2023-02-21 (SeMI) |