超可靠低时延车联网通信：一种主动学习方法
网络与互联网体系结构
2019-12-18 v1 机器学习
机器学习
摘要
在本快报中，提出了一种用于车载通信网络的信息年龄（AoI）感知的传输功率和资源块（RB）分配技术。由于车载网络的高度动态特性，获取网络动态（即无线信道和干扰）的先验知识以分配资源具有挑战性。因此，为有效分配功率和RB，所提方法允许网络通过平衡最小化车辆AoI超过预定义阈值的概率与最大化关于网络动态的知识之间的权衡，来主动学习其动态。在这方面，使用高斯过程回归（GPR）方法，提出了一种在线去中心化策略，以主动学习网络动态、估计车辆未来AoI并主动分配资源。仿真结果表明，与几种基线相比，AoI违例概率显著改善，降低了至少50%。
引用
@article{arxiv.1912.03359,
title = {Ultra-Reliable and Low-Latency Vehicular Communication: An Active Learning Approach},
author = {Mohamed K. Abdel-Aziz and Sumudu Samarakoon and Mehdi Bennis and Walid Saad},
journal= {arXiv preprint arXiv:1912.03359},
year = {2019}
}
备注
Accepted for publication in IEEE Communication Letters with 4 pages and 4 figures