دانلود مقاله انگلیسی رایگان:تاخیر در کنترل دسترسی پویا برای mMTC در شبکه های بی سیم با استفاده از یادگیری تقویتی عمیق - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • Delay-aware dynamic access control for mMTC in wireless networks using deep reinforcement learning Delay-aware dynamic access control for mMTC in wireless networks using deep reinforcement learning
    Delay-aware dynamic access control for mMTC in wireless networks using deep reinforcement learning

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Delay-aware dynamic access control for mMTC in wireless networks using deep reinforcement learning


    ترجمه فارسی عنوان مقاله:

    تاخیر در کنترل دسترسی پویا برای mMTC در شبکه های بی سیم با استفاده از یادگیری تقویتی عمیق


    منبع:

    Sciencedirect - Elsevier - Computer Networks, 182 (2020) 107493. doi:10.1016/j.comnet.2020.107493


    نویسنده:

    Diego Pacheco-Paramo a,b,∗, Luis Tello-Oquendo c


    چکیده انگلیسی:

    The success of the applications based on the Internet of Things (IoT) relies heavily on the ability to process large amounts of data with different Quality-of-Service (QoS) requirements. Access control remains an important issue in scenarios where massive Machine-Type Communications (mMTC) prevail, and as a consequence, several mechanisms such as Access Class Barring (ACB) have been designed aiming at reducing congestion. Although this mechanism can effectively increase the total number of User Equipments (UEs) that can access the system, it can also harm the access delay, limiting its usability in some scenarios. In this work, we propose a delay-aware double deep reinforcement learning mechanism that can dynamically adapt two parameters of the system in order to enhance the probability of successful access using ACB, while at the same time reducing the expected delay by modifying the Random Access Opportunity (RAO) periodicity. Results show that our system can accept a simultaneously massive number of machine-type and human-type UEs while at the same time reducing the mean delay when compared to previously known solutions. This mechanism can work adequately under varying load conditions and can be trained with real data traces, which facilitates its implementation in real scenarios.
    Keywords: Delay | Double Deep Q-Learning | Access Class Barring | Massive machine type communications


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 11
    حجم فایل: 896 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi