研究課題/領域番号 |
17K00136
|
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
|
キーワード | 機械学習 / ニューラルネットワーク / サポートベクトルマシン / 無線LAN / コグニティブ無線 / ディープラーニング |
研究実績の概要 |
様々な種類の端末が接続する無線LANのようなネットワークにおいては,自律分散型の通信プロトコルが用いられる.自律分散型ネットワークの性能を高めていくためには,個々の無線機が自律的に最適な動作を決定できるようにする必要がある.本研究では,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新しい無線制御方式を提案する.各無線機が継続的に観測することによって得られる電波環境のビッグデータによって,各々の人工知能が自律的に最適な動作を学習する.ディープラーニングの有効性は様々な分野で示されてきたが,そのような能力の高い人工知能を無線ネットワークに応用する.コンピュータシミュレーションだけでなく,プロトコル実装までを行うことによって,提案手法の実現性と有効性を明らかにしていく. 本研究初年度の成果としては,まず,様々な無線パラメータに依存して変化するスループット等のパフォーマンスモデルを機械学習によって作成し,そのモデルに基づいて変更可能なパラメータを設定するコグニティブサイクルを提案した.さらに,提案アルゴリズムを無線LANに実装し,コグニティブサイクルを回していくことによって,スループット性能を向上することを,実際の環境において確認した.この成果は,学会発表だけでなく,レター論文として投稿し,採録決定している.また,セルラーネットワークにおけるD2Dに自律分散型最適化アルゴリズムを適用し,スループットを改善できることを示した.この研究成果は国際会議で発表しBest Paper Awardを受賞した.
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
当初の計画では,アルゴリズムの設計,およびシミュレーションによる検証までを目標としていたが,初年度で無線LANによる実装も行い,有効性を確認することに成功している.初年度に執筆したレター論文の採録が既に決まっており,更に,詳細な検討に入っていて,論文として投稿する段階に進もうとしている.また,当初の計画に入れていなかった自律分散型最適化アルゴリズムの開発も行い,国際会議論文がBest Paper Awardに選らばれている.初年度の進捗が大きかったため,実験方法について改善すべき点を見つけることが出来ており,また,次年度には機械学習アルゴリズムの検討をさらに深めていくことが出来る.当初の計画以上に進展しており,次年度以降の成果も期待できる.
|
今後の研究の推進方策 |
初年度は,無線通信パラメータを最適化するための,基本的なサイクルを提案し,その有効性を実験によって示した.次年度以降は,この基本的なサイクルの各要素をより高度化させていく.初年度は,機械学習アルゴリズムとしては,ニューラルネットワークやサポートベクトルマシンを用いたが,次年度以降は,より大規模なデータを用い,ディープラーニングの有効性について検討していく.初年度においては検証すべきネットワーク構成の設定法に関して問題があったので,次年度以降の実験では,対象とすべきネットワーク構成やサービス構成を明確に定義しながら進めていく.また,取得可能な情報や最適化すべき項目についても様々なものを対象にしていく.大規模なネットワークの検証にはシミュレータを用いるが,実機に実装しながら提案手法の有効性を検証していく.
|
次年度使用額が生じた理由 |
17,918円の次年度使用額が生じたが,物品購入額が当初計画よりも多少低く抑えられたためである.少額の予算を効率的に使用するために,次年度に使用することとした.
|