面向机器类通信的有限记忆学习
信息论
2016-10-07 v1 math.IT
摘要
机器类设备（MTD）将成为物联网（IoT）系统的核心。此类系统的一个关键挑战是在具有有限内存和计算能力的小型MTD之间共享网络资源。本文提出一种新颖的“有限记忆学习”框架，使MTD能够有效学习彼此的消息状态，从而恰当地调整其传输参数。特别地，研究了一个MTD既可传输延迟容忍的周期性消息，又可传输关键告警消息的物联网系统。针对该模型，分析了关键告警消息的指数增长延迟特性，以及所提学习框架在物联网中的收敛性。仿真结果表明，在极小的内存需求下，关键告警消息的延迟显著降低了高达94%。结果还表明，所提出的有限记忆学习框架在缓解阻碍正常学习过程的学习限制因素方面非常有效。
引用
@article{arxiv.1610.01723,
title = {Learning with Finite Memory for Machine Type Communication},
author = {Taehyeun Park and Walid Saad},
journal= {arXiv preprint arXiv:1610.01723},
year = {2016}
}
备注
6 pages, 3 figures