基于神经网络的赤道机: 面向IIoT报警场景的中等访问控制
最优化与控制
2024-11-25 v2 机器学习
摘要
高效随机访问 (RA) 对确保工业物联网 (IIoT) 网络中的可靠通信至关重要。本文提出一种基于深度强化学习的分布式 RA 方案，称为 Neural Network-Based Bandit (NNBB)，用于 IIoT 报警场景。在此场景中，设备可能检测到共同的临界事件，其目标是确保至少一个设备的报警信息成功传输。所提出的 NNBB方案在每个设备上实现，其中它在线训练自身并建立隐式的设备间协调，以实现共同目标。设备可以在多个正交信道上同时传输，每种可能的传输模式构成 NNBB 的一个可能动作，NNBB 使用深度神经网络来确定该动作。我们的仿真结果表明，随着网络中设备数量的增加，NNBB 相对于多臂赤道机 (MAB) RA 基准的性能提升也随之增加。例如，当有四个信道且设备数量从 10 个增至 60 个时，NNBB 经历 7% 的成功率下降，而 MAB 则面临 25% 的下降。
引用
@article{arxiv.2407.16877,
title = {Neural Network-Based Bandit: A Medium Access Control for the IIoT Alarm Scenario},
author = {Prasoon Raghuwanshi and Onel Luis Alcaraz López and Neelesh B. Mehta and Hirley Alves and Matti Latva-aho},
journal= {arXiv preprint arXiv:2407.16877},
year = {2024}
}