研究課題
前年度と同様，本研究の鍵となるのは「交渉」に基づいた学習であった．前年度までは，複数の学習アルゴリズムを想定して検討を行なってきた．最終年度である本年度は，計算に要する時間，実装の容易さ，オーバヘッドを総合的に考慮して，メカニズムの最適化を行なった．詳細は次の通りである．1. 各アルゴリズムが安定的な解を発見する所要時間(学習時間)を実時間尺度で評価した．ただし、性能と学習時間とには予想どおりトレードオフの関係が存在したが，性能劣化を最小限にとどめられるようにした．2. 各アルゴリズムを用いた場合に，メカニズム全体において発生する情報交換のオーバヘッドや実装のオーバヘッドがどの程度となるか，定量的な評価を行なった．3. コグニティブ無線環境を模したシミュレーションを用いて，アルゴリズムを相互に比較評価した．アルゴリズムの優劣は予想どおり条件によって異なったため，様々な条件を与えて多角的な評価を行なった．条件の生じる尤度によって結果を重み付けし，各アルゴリズムの総合的な性能を比較評価した．4. 3.で最も優れていると評価されたアルゴリズムをベースとして，メカニズム全体の設計を見直し，改良の余地があれば改良を行なった．得られた成果を国内研究会などにおいて発表し，聴講者からフィードバックを得た．また，本年度は特に最終年度であったため，これまでの成果をまとめ，論文誌への投稿を行った．特に，本研究の方法論や成果を広く報知するため，また，費用対効果を高めるため，よく引用される論文誌を選んだ．
24年度が最終年度であるため、記入しない。
すべて 2012
すべて 雑誌論文 (1件)
IEEE Trans. Wireless Communications
巻: vol.11, issue 11 ページ: 3841-3849
