一种用于车载浮动内容管理的深度学习策略
网络与互联网体系结构
2018-11-29 v1 机器学习
机器学习
摘要
浮动内容（Floating Content, FC）是一种通过 D2D 连接本地分发情境化信息的通信范式，其在实现特定性能目标的同时最小化资源使用。现有的 FC 维度规划方法基于不现实的系统假设，导致在真实场景中应用时高度不准确且过于保守。本文朝高效动态管理 FC 的认知方法开发迈出第一步。我们提出一种 FC 维度规划的深度学习策略，利用卷积神经网络（Convolutional Neural Network, CNN）以感知 QoS 的方式随时间高效调制 FC 所用资源。数值评估表明，与基准策略相比，我们的方法实现了最高 3% 的拒绝率，并节省了 37.5% 的资源。
引用
@article{arxiv.1811.11249,
title = {A Deep Learning Strategy for Vehicular Floating Content Management},
author = {Gaetano Manzo and Juan Sebastian Otalora and Marco Ajmone Marsan and Gianluca Rizzo},
journal= {arXiv preprint arXiv:1811.11249},
year = {2018}
}