| 研究課題/領域番号 |
22K17884
|
|---|
| 研究機関 | 東京都立産業技術大学院大学 |
|---|
研究代表者 |
張 晁逢 東京都立産業技術大学院大学, 産業技術研究科, 助教 (00859043)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| キーワード | Wireless Communication / Resource management / Learning Systems / Mobile Communication / Multitasking |
|---|
| 研究実績の概要 |
令和5年度は、初期の研究計画に基づき、ネットワーク全体の性能向上を目指して、3C（通信、計算、キャッシュ）リソースの知的な制御方法に関する研究課題
に取り組んだ。具体的には、以下の3つのタスクを実行した：（1）深層強化学習に基づく異なるリソースの割り当て戦略の開発（2）AoIに基づくユーザーの参加意欲の向上方法を探る。そして、（3）連合学習において3Cリソースの同期統合の検証を行う。
主な研究成果は次の通りである：ユーザーのリソースシェアのインセンティブを向上させるため、ローカル内のリソース可用性の認識方法を導入し、ユーザー機器の共有コストパフォーマンスを最適化する。その上、各デバイスのコストと収益のバランスを取り、全体的にユーザー参加意欲を向上させる。
研究成果の一部は、IEEE国際論文誌であるIEEE Transactions on Machine Learning in Communications and Networkingに掲載され、IEEE Popular Articleになった。また、３つのリソースの正確な認識と予測ため、リソースを共有するユーザーの利益改善および利用可能なリソース量の全体的な改善を検討した。論文誌および国際会議発表５件以上の実績があった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
タスク１では、深層強化学習によって計算された予想効果に従い、現在のリソース使用率および周囲環境に基づく知的な割り当て戦略を改善した。タスク２では、畳み込みニューラルネットワーク（CNN）をLSTMに適用した上で、各デバイスのコストと収益のバランスを取り、全体的にユーザー参加意欲を向上させた。タスク３では、無線ネットワークにおける3Cリソースの不安定なパフォーマンスを考慮し、タスク２で提案したリソース可用性認識で時間とローカルでの違いに応じた重み付けを導入し、同期学習の性能上限を最適化した。研究成果の一部は、5件の雑誌論文および国際会議にて公表した。以上のことから、研究計画は順調に進んでいる。
|
| 今後の研究の推進方策 |
令和6年度の研究では、「システム制限に基づくデータ圧縮の導入」と「②３Cリソースの同期コラボレーション」について研究し、具体的には以下の2つの課題および研究のまとめに取り組む。まず、
（1）データ圧縮の導入について、予測精度を僅かに犠牲にすることで、帯域幅の上限までデータストリームのサイズを圧縮し、制限時間内でアップロードを完了させる。（2）３Cリソースの同期コラボレーションについて、通信および計算により待機時間を最小限に抑えてタスクの処理効率を向上させる。また、3年目では研究成果および最終まとめが
予定されているため、国内の研究会や国際会議、学術論文誌で研究成果発表および結果報告を行う。
|
| 次年度使用額が生じた理由 |
年度内に予定していた国際会議発表は次年度となったため、計上していた予算が次年度に繰越となったが、次年度以降の研究計画に変更はなく、前年度の研究費も含め、当初の予定通りの計画を進めていく。
|
