講演抄録/キーワード |
講演名 |
2023-01-24 10:50
セルレンジ拡張におけるPFメトリックのNeural Networkを用いた近似法 ○日下祐喜・三木信彦(香川大) IT2022-31 SIP2022-82 RCS2022-210 |
抄録 |
(和) |
現在,世界中でBeyond 5G (B5G) の研究・開発が開始されている.B5Gでは,5G よりも更なる大容量化が求められており,このためには,基地局密度の増大,高周波数帯の利用などが必須となる.また,これら無線リソース(基地局・周波数帯を合わせて無線リソースと呼ぶ)の割り当てを適切に行うことも無線リソース増大の効果を得るために重要となる.本稿では,プロポーショナルフェアネス規範に基づく凸最適化と機械学習を併用する割り当て法における機械学習の学習方法について検討する. |
(英) |
The research and development of Beyond 5G (B5G) is currently underway around the world, and B5G requires even higher capacity than 5G, which requires an increase in base station density and the use of higher frequency bands. In addition, proper allocation of these radio resources (base stations and frequency bands are collectively referred to as radio resources) is also important to achieve the benefits of increased radio resources. In this paper, we discuss a learning method for machine learning in an allocation method that combines convex optimization based on proportional fairness norms and machine learning. |
キーワード |
(和) |
スモールセル / セルレンジ拡張 / プロポーショナルフェアネス規範 / Neural network / / / / |
(英) |
Small cell / Cell range expansion / Proportional fairness criteria / Neural network / / / / |
文献情報 |
信学技報, vol. 122, no. 357, RCS2022-210, pp. 13-18, 2023年1月. |
資料番号 |
RCS2022-210 |
発行日 |
2023-01-17 (IT, SIP, RCS) |
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 |
IT2022-31 SIP2022-82 RCS2022-210 |
研究会情報 |
研究会 |
IT RCS SIP |
開催期間 |
2023-01-24 - 2023-01-25 |
開催地(和) |
前橋テルサ |
開催地(英) |
Maebashi Terrsa |
テーマ(和) |
無線通信のための信号処理,学習,数理,情報理論および一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
RCS |
会議コード |
2023-01-IT-RCS-SIP |
本文の言語 |
日本語 |
タイトル(和) |
セルレンジ拡張におけるPFメトリックのNeural Networkを用いた近似法 |
サブタイトル(和) |
|
タイトル(英) |
Approximation of PF metric in cell range extension using Neural Network |
サブタイトル(英) |
|
キーワード(1)(和/英) |
スモールセル / Small cell |
キーワード(2)(和/英) |
セルレンジ拡張 / Cell range expansion |
キーワード(3)(和/英) |
プロポーショナルフェアネス規範 / Proportional fairness criteria |
キーワード(4)(和/英) |
Neural network / Neural network |
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) |
日下 祐喜 / Kusaka Yuki / クサカ ユウキ |
第1著者 所属(和/英) |
香川大学 (略称: 香川大)
Kagawa University (略称: Kagawa Univ) |
第2著者 氏名(和/英/ヨミ) |
三木 信彦 / Miki nobuhiko / ミキ ノブヒコ |
第2著者 所属(和/英) |
香川大学 (略称: 香川大)
Kagawa University (略称: Kagawa Univ) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
2023-01-24 10:50:00 |
発表時間 |
25分 |
申込先研究会 |
RCS |
資料番号 |
IT2022-31, SIP2022-82, RCS2022-210 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.355(IT), no.356(SIP), no.357(RCS) |
ページ範囲 |
pp.13-18 |
ページ数 |
6 |
発行日 |
2023-01-17 (IT, SIP, RCS) |
|