| 研究課題/領域番号 |
17H01730
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
情報ネットワーク
|
|---|
| 研究機関 | 静岡大学 |
|---|
研究代表者 |
峰野 博史 静岡大学, 情報学部, 教授 (40359740)
|
|---|
| 研究分担者 |
水野 忠則 愛知工業大学, 情報科学部, 教授 (80252162)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
18,590千円 (直接経費: 14,300千円、間接経費: 4,290千円)
2020年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2018年度: 4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2017年度: 4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
|
|---|
| キーワード | モバイルネットワーク / データオフローディング / 深層強化学習 / モバイル / オフローディング |
|---|
| 研究成果の概要 |
空間利用効率の最大化を目指すモバイルデータ3Dオフローディングの評価に関し，UEがどのような条件でどのようにデータ送信すれば，eNB負荷を適切に平滑化できるか，様々な条件設定のネットワークシミュレーションへ深層強化学習を適用した．Q学習に深層学習を適用したDQNを用いた送信レート制御モデルの構築と評価に加え，深層強化学習による効果的な通信制御手法の獲得に焦点を絞り5Gのネットワークスライシングを想定した研究を進めた．Ape-Xを用いた分散学習で一モデルが一スライスにネットワーク資源を割り当てるよう設計し，スライス数の変化に柔軟に対応可能なネットワーク資源割当てを深層強化学習可能なことを示した．
|
| 研究成果の学術的意義や社会的意義 |
様々な遅延耐性を持つコンテンツの特性を活かしたモバイル3Dオフローディング手法に対し，時間的，空間的局所性を考慮して空間利用効率の最大化を図る制御手法を深層強化学習によって獲得可能なことを示した．実機での適切な評価が規模的に困難かつ，解析モデルやネットワークシミュレーションによる評価では条件設定やモデル構築を現実に近づけるのが困難な情報ネットワーク研究に対し，深層強化学習適用の効果を検証した意義は大きい．シミュレータによって得られた強化学習結果を基に実機制御を行い，その実機での結果を基に深層学習を段階的に行うスパイラル学習法が今後ますます重要になると考える．
|
