| 研究課題/領域番号 |
17K00136
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
情報ネットワーク
|
|---|
| 研究機関 | 東京理科大学 |
|---|
研究代表者 |
長谷川 幹雄 東京理科大学, 工学部電気工学科, 教授 (50358967)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2017年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 無線通信システム / 機械学習 / Multi-Armed Bandit問題 / 強化学習 / IoT / センサネットワーク / 無線LAN / Mult-Armed Bandit問題 / ニューラルネットワーク / サポートベクトルマシン / コグニティブ無線 / ディープラーニング / 情報通信工学 / 移動体通信 |
|---|
| 研究成果の概要 |
集中制御のない自律分散型無線ネットワークの性能改善のために，各無線機が機械学習によって最適な動作を自律的に学習する手法を提案した．コンピュータシミュレーションだけでなく，無線LANやIoTデバイスを用いた実機実装による評価実験によって，提案手法の有効性と実現性を示した．機械学習により通信パラメータ設定に応じた性能を推定し最適化する方法，強化学習により自律的に性能を改善していく手法，小型IoTデバイスにおいては軽量な強化学習アルゴリズムを応用した手法等を提案している．自律分散型機械学習によって無線ネットワークの性能向上が可能であることを実証しており，様々な無線通信システムへの応用が期待できる．
|
| 研究成果の学術的意義や社会的意義 |
無線ネットワークのつながりやすさや通信速度を改善するために，無線機器に搭載する人工知能によって，様々な通信パラメータを最適化する研究である．実際の無線通信を用いた実機実験によって提案手法の有効性を実証してきた．特に，近年普及が進んでいるIoT向けの無線通信システムを用いた提案手法およびその実証は，国内外の多くのニュースサイト等に掲載された（日経産業新聞、QS WOWNEWS、Science Daily、Tech Explorist、Technology Networks、IoTToday、@ITなど）．既に複数の無線通信システムで有効性実証ができており，様々なシステムへの応用が期待できる．
|
