| 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 | 2019-01-28 14:40 深層強化学習を用いた無線LAN最適チャネル制御 ○中島功太・神矢翔太郎・大津一樹・山本高至・西尾理志・守倉正博（京大）  ASN2018-80 |
|
| 抄録 | （和） | 本稿では，無線LANのアクセスポイント（AP：access point）が稠密に配置された場合のチャネル割り当て問題に対し，深層強化学習を用いて適切なチャネル変更を行うアプローチを提案する． 無線LANのAPはCSMA/CA（Carrier Sense Multiple Access with Collision Avoidance）方式に基づいて媒体アクセス制御を行う．キャリアセンス範囲に多くのAPが存在している場合にAPのスループットは小さくなる． スループット低下要因は同一チャネルを使用しているAP数であるため，使用するチャネルを適切に制御することでスループットの向上が可能である． 本稿では，APのキャリアセンス関係をグラフとして扱い，GCN（Graph Convolutional Networks）を利用して隣接関係における特徴抽出を行うことで，状態数が膨大な問題に対しても適切なチャネル選択が可能であることを示す． また，ポテンシャルゲーム理論に基づくチャネル選択を学習中の行動選択に適用することで，学習の効率化を図っている． シミュレーション評価により提案方式が他の比較方式より適切なチャネル変更が行われていることを示す． |
| （英） | This report proposes deep reinforcement learning-based channel selection method when access points (APs) are located densely. In densely deployed WLANs, APs could have many APs in their carrier sensing range and throughput of the APs becomes low due to high contention. We apply graph convolution networks (GCN) to a contention graph where APs in their carrier sense range are connected for extracting the features of carrier sensing relationship. Moreover, by selecting an action according to spatial adaptive play (SAP) method, we improve the learning efficiency. The simulation results show that the proposal method can control the channels appropriately in comparison to other methods. |
|
| キーワード | （和） | 深層強化学習 / graph convolutional networks / spatial adaptive play / / / / / |
| （英） | deep reinforcement learning / graph convolutional networks / spatial adaptive play / / / / / | |
| 文献情報 | 信学技報, vol. 118, no. 428, ASN2018-80, pp. 13-18, 2019年1月. | |
| 資料番号 | ASN2018-80 | |
| 発行日 | 2019-01-21 (ASN) | |
| 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 | ASN2018-80 |
|
| 研究会情報 | |
| 研究会 | ASN |
| 開催期間 | 2019-01-28 - 2019-01-29 |
| 開催地（和） | 休暇村 指宿 |
| 開催地（英） | Kyuukamura Ibusuki |
| テーマ（和） | 知的環境，センサネットワーク，ポスターセッション，及び，一般 |
| テーマ（英） | Ambient intelligence, Sensor networks, Poster session, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | ASN |
| 会議コード | 2019-01-ASN |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層強化学習を用いた無線LAN最適チャネル制御 |
| サブタイトル（和） | |
| タイトル（英） | Deep Reinforcement Learning-Based Optimum Channel Control for Wireless LAN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層強化学習 / deep reinforcement learning |
| キーワード(2)（和/英） | graph convolutional networks / graph convolutional networks |
| キーワード(3)（和/英） | spatial adaptive play / spatial adaptive play |
| 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） | 中島 功太 / Kota Nakashima / ナカシマ コウタ |
| 第1著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 神矢 翔太郎 / Syotaro Kamiya / カミヤ ショウタロウ |
| 第2著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 大津 一樹 / Kazuki Ohtsu / オオツ カズキ |
| 第3著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 山本 高至 / Koji Yamamoto / ヤマモト コウジ |
| 第4著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 西尾 理志 / Takayuki Nishio / ニシオ タカユキ |
| 第5著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 守倉 正博 / Masahiro Morikura / モリクラ マサヒロ |
| 第6著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-01-28 14:40:00 |
| 発表時間 | 25分 |
| 申込先研究会 | ASN |
| 資料番号 | ASN2018-80 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.428 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2019-01-21 (ASN) |
[研究会発表申込システムのトップページに戻る] (日本語ページの行間係数: 1)