مقاله انگلیسی رایگان در مورد تخصیص منابع تعاونی در شبکه های بی سیم ۵G مبتنی بر یادگیری عمیق – اسپرینگر ۲۰۱۸

springer

 

مشخصات مقاله
ترجمه عنوان مقاله تخصیص منابع تعاونی در شبکه های بی سیم ۵G مبتنی بر یادگیری عمیق
عنوان انگلیسی مقاله Deep Learning Based Cooperative Resource Allocation in 5G Wireless Networks
انتشار مقاله سال ۲۰۱۸
تعداد صفحات مقاله انگلیسی ۸ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه اسپرینگر
مقاله بیس این مقاله بیس میباشد
نمایه (index) Scopus – Master Journal List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۲٫۸۵۰ در سال ۲۰۱۸
شاخص H_index ۷۹ در سال ۲۰۱۹
شاخص SJR ۰٫۴۲۶ در سال ۲۰۱۸
شناسه ISSN ۱۵۷۲-۸۱۵۳
شاخص Quartile (چارک) Q2 در سال ۲۰۱۸
رشته های مرتبط مهندسی فناوری اطلاعات و ارتباطات، مهندسی فناوری اطلاعات، مهندسی کامپیوتر
گرایش های مرتبط مخابرات سیار، سامانه های شبکه ای، معماری سیستم های کامپیوتری
نوع ارائه مقاله
ژورنال
مجله  شبکه های موبایل و برنامه های کاربردی – Mobile Networks and Applications
دانشگاه  University of Electronic Science and Technology of China (UESTC), Sichuan 610054, China
کلمات کلیدی یادگیری عمیق، تخصیص منابع، خط ارتباطی، ۵G، شبکه بی سیم
کلمات کلیدی انگلیسی Deep learning، Resource allocation، Downlink، ۵G، Wireless network
شناسه دیجیتال – doi
https://doi.org/10.1007/s11036-018-1178-9
کد محصول E11259
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Introduction

۲- Related works

۳- Contribution and structure of this work

۴- Theoretical modeling

۵- Deep learning based resource allocation method

۶- Simulation and performance analysis

۷- Conclusion

References

 

بخشی از متن مقاله:

Abstract

Wireless personal communication has become popular with the rapid development of 5G communication systems. Critical demands on transmission speed and QoS make it difficult to upgrade current wireless personal communication systems. In this paper, we develop a novel resource allocation method using deep learning to squeeze the benefits of resource utilization. By generating the convolutional neural network using channel information, resource allocation is to be optimized. The deep learning method could help make full use of the small scale channel information instead of traditional resource optimization, especially when the channel environment is changing fast. Simulation results indicate the fact that the performance of our proposed method is close to MMSE method and better than ZF method, and the time consumption of computation is smaller than traditional method.

Introduction

In 5G wireless communication systems, how to make full use of precious bandwidth, power and antenna resource has become a critical topic in recent studies. The official standardization organization 3GPP has recently published the official released standard [1] and add some key features to improve system throughput and reduce the latency. The target of 5G is to spread the bandwidth and make flexible use of system resources to achieve better performance, resources in time, spectrum and spatial domain are jointly combined and optimized. Traditional studies on 5G are mainly about the proof of mathematical bound [2, 3], and then provide heuristic methods to approximate the proved bound. However, there is hardly effective operations to reach the bound considering only existing coding, modulation, antenna selection, etc. To solve this problem, researchers tried to introduce the famous Artificial Intelligence (AI) technology. The growing discussions about deep learning in AI has brought opportunities to improve system performance in 5G related works. Relying on the study process of deep learning, benefits of resource allocation could be obtained using the dedicated neural network. So there are still quite space to approximate the theoretical bound using the resource allocation.

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.