1. 我是CIO首页
  2. 资讯
  3. 人工智能

机器学习可以改善5G / 6G生态系统未来Wi-Fi网络的运行和性能

改善5G / 6G生态系统的Wi-Fi网络的运行和性能
这显示了站的移动性对获得的性能的影响。信用:UPF

发表在《计算机通信》杂志高级在线版上的一篇文章表明,机器学习可以改善5G / 6G生态系统未来Wi-Fi网络的运行和性能。这项研究由UPF信息和通信技术部(DTIC)无线网络研究小组的研究人员Marc Carrascosa和Boris Bellalta进行。

作者将研究重点放在如何改善由多个接入点组成的Wi-Fi网络用户的关联上,以便能够为大量用户提供服务。这种类型的Wi-Fi网络常见于商业和学术环境或城市的公共场所(街道,公园,图书馆等)。

“在这项研究中,我们研究了工作站(PC,平板电脑,移动电话等)自身如何动态决定其覆盖范围内可用的不同接入点中的哪些使用强化学习技术为他们的需求提供最佳服务,”卡拉斯科萨和贝拉尔塔解释。

每个站动态地做出决策

在他们的建议中,每个站点都是独立的,并根据Wi-Fi网络随时间提供的服务质量动态地做出决策,即,站点自主学习Wi-Fi网络的行为方式,从而确定其自身行为的影响(选择一个或另一个访问点)获得的好处。

“在此学习中,作为基础,我们使用一种称为ε-greedy的算法,该算法在随机选择访问点以获取信息(探索)与基于此累积信息选择最佳的访问点(探索)之间交替进行,”作者建议。

他们补充说:“因此,信息越多,我们做出的决定就越好,但是考虑到一个站点可以投入学习的时间与它使用成功学习的东西所花费的时间之间存在折衷。”

改善5G / 6G生态系统的Wi-Fi网络的运行和性能
使用机器学习和负载平衡获得的性能比较。信用:UPF

缩短站点学习时间的新算法

为了解决ε贪心算法的局限性,包括学习时间长,作者提出了一种称为ε黏性的新算法,其中包括情感依恋的概念。它的工作原理是,一旦该站找到了提供所请求服务的接入点,即使它稍后停止提供服务,它也不会立即丢弃它以再次寻找另一个新服务,以希望将来可以提供新服务。一样好的服务。

通过该新提议,减少了对用户的服务中断和网络不稳定,这也使尚未找到提供所需服务的接入点的站点受益。卡拉斯科萨和贝拉尔塔评论说:“尽管这不是我们工作的目标,但对人类社会行为的外推是很直接的,正如我们在这一领域对当前结果的解释一样。”

“在本文中,我们研究了这种变化的影响以及它如何使我们能够更好地解决Wi-Fi关联问题。最终目标是展示机器学习技术解决Wi-Fi网络问题的有效性通过我们的结果,我们还表明并非所有站点都需要使用这些技术,因为如果只有少数站点实现新算法,则整个网络都会受益。”

本文为作者 何斌 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论