Work

Machine Learning-based Dynamic Resource Allocation for 5G Services

Year: 2020
Type: dissertation
Abstract: Rychle rostoucı́ počet technologiı́ páté generace 5G vyžaduje zkoumánı́ nových strategiı́ správy sı́ťových prostředků. Datově řı́zené strojové učenı́ umožňuje přı́stupy vyvinuté k dosaženı́ výkonu s dostupnou výpočetnı́ složitostı́. Zpětnovazebnı́ učenı́ je považováno pro budoucı́ inteligentnı́ sı́tě. V této práci jsou uvažovány přı́stupy zpětnovazebnı́ho učenı́ a hlubokého zpětnovazebnı́ho učenı́ pro přidělovánı́ rádiových zdrojů v sı́ti 5G. Jsou stu-dovány čtyři algoritmy zpětnovazebnı́ho učenı́,na základě kterých se dále vyvı́jı́ konkrétnı́ design. Zanalyzována výkonnost každého vzdělávacı́ho rámce a poskytováno porovnánı́ (z hlediska průměrné odměny) mezi nimi. Hodnocenı́ prokazuje obecnou použitelnost pop-saných konceptů. Výsledky simulacı́ ukazujı́, že techniky hlubokého zpětnovazebnı́ho učenı́ předčı́ jednoduché Q učenı́.
Language: Czech
Open Access status: green
OpenAlex ID: W7028071756
Cites: 28
Cited by:
Related to: 10