| Titre : | Transmission de données basée sur l'apprentissage par renforcement profond pour les communications D2D | | Type de document : | projet fin études | | Auteurs : | MOUSSAID Achraf, Auteur | | Langues : | Français (fre) | | Catégories : | Internet des Objets et Services Mobiles ( IOSM )
| | Mots-clés : | Device-to-Device (D2D), Deep Reinforcement Learning
(DRL), Finite-State-Markov-Chain (FSMC). . | | Index. décimale : | mast 49/18 | | Résumé : | La communication Device-to-Device (D2D) a suscite de l'inter^et en tant
que technologie prometteuse pour les reseaux sans l de prochaine generation,
elle favorise l'utilisation de communications point a point entre equipements
utilisateur (UE) sans passer par les stations de base (BS).
Les communications entre dispositifs (D2D) ont ete initialement proposees
dans les reseaux cellulaires comme un nouveau paradigme pour ameliorer les
performances du reseau. L'emergence de nouvelles applications telles que la
distribution de contenu a introduit de nouveaux cas d'utilisation pour les
communications D2D dans les reseaux cellulaires.
Dans ce projet, nous cherchons a maximiser le taux de somme d'un
reseau D2D, en supposant des canaux realistes variant dans le temps et
des interferences D2D. Plus precisement, nous formulons des canaux en tant
que canaux de Markov a etats nis (FSMC). Avec un FSMC realiste, la
complexite du probleme est elevee. Par consequent, nous proposons l'utilisation
d'un schema de transmission d'apprentissage par renforcement profond (DRL)
centralise pour les communications D2D, ou les decisions de transmission sont
prises par un agent qui a une connaissance complete du reseau D2D.. |
Transmission de données basée sur l'apprentissage par renforcement profond pour les communications D2D [projet fin études] / MOUSSAID Achraf, Auteur . - [s.d.]. Langues : Français ( fre) | Catégories : | Internet des Objets et Services Mobiles ( IOSM )
| | Mots-clés : | Device-to-Device (D2D), Deep Reinforcement Learning
(DRL), Finite-State-Markov-Chain (FSMC). . | | Index. décimale : | mast 49/18 | | Résumé : | La communication Device-to-Device (D2D) a suscite de l'inter^et en tant
que technologie prometteuse pour les reseaux sans l de prochaine generation,
elle favorise l'utilisation de communications point a point entre equipements
utilisateur (UE) sans passer par les stations de base (BS).
Les communications entre dispositifs (D2D) ont ete initialement proposees
dans les reseaux cellulaires comme un nouveau paradigme pour ameliorer les
performances du reseau. L'emergence de nouvelles applications telles que la
distribution de contenu a introduit de nouveaux cas d'utilisation pour les
communications D2D dans les reseaux cellulaires.
Dans ce projet, nous cherchons a maximiser le taux de somme d'un
reseau D2D, en supposant des canaux realistes variant dans le temps et
des interferences D2D. Plus precisement, nous formulons des canaux en tant
que canaux de Markov a etats nis (FSMC). Avec un FSMC realiste, la
complexite du probleme est elevee. Par consequent, nous proposons l'utilisation
d'un schema de transmission d'apprentissage par renforcement profond (DRL)
centralise pour les communications D2D, ou les decisions de transmission sont
prises par un agent qui a une connaissance complete du reseau D2D.. |
|
Faire une suggestion Affiner la recherche
Transmission de données basée sur l'apprentissage par renforcement profond pour les communications D2D / MOUSSAID Achraf
