Apprentissage machine orienté QoS pour l'accès opportuniste au spectre - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2015

Apprentissage machine orienté QoS pour l'accès opportuniste au spectre

Résumé

Dans ce travail, nous nous intéressons au problème de l’apprentissage machine pour l’accès opportuniste au spectre (AOS). Nous présentons un nouvel algorithme d’apprentissage machine basé sur la classe des UCB (Upper Confidence Bound). Cet algorithme permet non seulement d’apprendre les canaux qui sont le plus souvent libres mais également ceux qui possèdent la meilleur qualité en terme de rapport signal à bruit (RSB), ce qui permet d’introduire une notion de qualité de service (QoS). La stratégie proposée permet à un utilisateur secondaire de pondérer de manière appropriée un critère particulier associé au canal qu’il choisit, comme la puissance d’émission ou le débit par exemple, en sélectionnant deux coefficients d’explorations différents. Notre algorithme permet un compromis entre l’exploration et l’exploitation lorsque le scénario AOS est modélisé comme un problème Markovien de bandit manchot (BM) stable. Nous montrons que notre algorithme surpasse le traditionnel UCB1 en termes de regret et de choix du meilleur canal.
Fichier non déposé

Dates et versions

hal-01169842 , version 1 (30-06-2015)

Identifiants

  • HAL Id : hal-01169842 , version 1

Citer

Navikkumar Modi, Philippe Mary, Christophe Moy. Apprentissage machine orienté QoS pour l'accès opportuniste au spectre . XXVe Colloque GRETSI 2015, Sep 2015, Lyon, France. 4 p. ⟨hal-01169842⟩
140 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More