| 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 | 2026-05-12 15:05 深層強化学習に基づいた自律分散型チャネル割り当て法の実装および性能評価 ○都築美結・李 傲寒（電通大）  SR2026-16 |
|
| 抄録 | （和） | Long Range (LoRa) はLow Power Wide Area (LPWA)の一種であり，低消費電力かつ長距離通信という特徴がある．Internet of Things (IoT)デバイス数が近年急激に増加しており，それにより衝突や遅延，消費電力の増加が課題となっている．したがって，チャネル(CH)などの送信パラメータを動的に選択する必要がある．LoRaの送信パラメータ選択手法には，Multi-Armed Bandit(MAB)アルゴリズムや，強化学習(RL)があるが，より複雑で現実の状況に近い環境では適応が制限される可能性がある．深層強化学習は，ディープニューラルネットワーク（DNN）を用いることで，複雑な環境にも適応できるため，多数のIoTデバイスにおけるリソース割り当て(RA)手法への対処手法として利用されている．本稿では，次に，LoRaネットワークにおいて，実機実装に適応した深層強化学習による学習を提案する．提案法では，送信パラメータ（チャネル）は，以前選択したチャネルの情報とACK(Acknowledgment)情報，Main Networkの値，行動選択の確率に基づいて選択して，その結果から学習を繰り返す．本稿では，提案法をLoRaデバイスに実装して，提案法の有効性を示し，学習パラメータに関しての性能評価と検討を行った．実験結果により，提案した学習法が有効であることと，行動選択の確率のパラメータの更新方法を変更しながら学習することでより安定した学習を行えることが示された． |
| （英） | Long Range (LoRa) is a type of Low Power Wide Area (LPWA) technology, characterised by low power consumption and long-range communication. The number of Internet of Things (IoT) devices has increased dramatically in recent years, leading to challenges such as collisions, delays, and increased power consumption. Consequently, it is necessary to dynamically select transmission parameters such as the channel (CH). While LoRa's transmission parameter selection methods include the Multi-Armed Bandit (MAB) algorithm and Reinforcement Learning (RL), their adaptability may be limited in more complex, real-world environments. Deep Reinforcement Learning, utilising Deep Neural Networks (DNNs), can adapt to complex environments and is thus employed as an approach for resource allocation (RA) methods across numerous IoT devices. This paper proposes a deep reinforcement learning-based learning approach adapted for practical implementation in LoRa networks. The proposed method selects transmission parameters (channels) based on information from previously selected channels, ACK (Acknowledgment) information, Main Network values, and action selection probabilities, then iterates learning from the results. This study implemented the proposed method on LoRa devices to demonstrate its effectiveness, and conducted performance evaluations and analyses of the learning parameters. The experimental results demonstrated that the proposed learning method is effective, and that learning becomes more stable by adjusting the parameter update method for the probability of action selection during the learning process. | |
| キーワード | （和） | IoT / LoRa / 通信成功率 / 送信パラメータ選択 / 深層強化学習 / 自律分散制御 / / |
| （英） | IoT / LoRa / Communication Success Rate / Transmission Parameter Selection / Deep Reinforcement Learning / Autonomous Distributed Control / / | |
| 文献情報 | 信学技報, vol. 126, no. 13, SR2026-16, pp. 78-83, 2026年5月. | |
| 資料番号 | SR2026-16 | |
| 発行日 | 2026-05-04 (SR) | |
| 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 | SR2026-16 |
|
| 研究会情報 | |
| 研究会 | SR |
| 開催期間 | 2026-05-11 - 2026-05-12 |
| 開催地（和） | あいぽーと佐渡（佐渡インフォメーションセンター） |
| 開催地（英） | |
| テーマ（和） | IoT，一般 |
| テーマ（英） | IoT，general |
| 講演論文情報の詳細 | |
| 申込み研究会 | SR |
| 会議コード | 2026-05-SR |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層強化学習に基づいた自律分散型チャネル割り当て法の実装および性能評価 |
| サブタイトル（和） | |
| タイトル（英） | Implementation and Performance Evaluation of an Autonomous Distributed Channel Allocation Method Based on Deep Reinforcement Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | IoT / IoT |
| キーワード(2)（和/英） | LoRa / LoRa |
| キーワード(3)（和/英） | 通信成功率 / Communication Success Rate |
| キーワード(4)（和/英） | 送信パラメータ選択 / Transmission Parameter Selection |
| キーワード(5)（和/英） | 深層強化学習 / Deep Reinforcement Learning |
| キーワード(6)（和/英） | 自律分散制御 / Autonomous Distributed Control |
| 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） | 都築 美結 / Miyu Tsuzuki / ツヅキ ミユ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 李 傲寒 / Aohan Li / リ アオハン |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-Communications (略称： UEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-05-12 15:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SR |
| 資料番号 | SR2026-16 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.13 |
| ページ範囲 | pp.78-83 |
| ページ数 | 6 |
| 発行日 | 2026-05-04 (SR) |
[研究会発表申込システムのトップページに戻る]