MMSep, 2014

无线小区网络中的内容感知用户聚类和缓存

PDF
TL;DR本研究旨在优化小型基站中的内容缓存策略，提出了一种基于聚类与强化学习的方案，并在模拟中证明其相对于随机缓存和未聚类学习方案，能够最小化 42% 和 27% 的服务延迟，并获得 280% 和 90% 的更高卸载收益。
content-aware user clusteringcontent cachingsmall cell networksoptimizationreinforcement learning
发现论文，激发创造
  • 无线网络中具有服务区分的上下文感知主动内容缓存

    本文提出了一种上下文感知的预热缓存优化算法，通过定期观察连接用户的上下文信息来在线学习上下文特定的内容受欢迎程度，并更新缓存内容并随后观察缓存命中率，最终证明该算法以最大化缓存命中数为目标的最优缓存内容放置策略被证明是可行的。

    Jun, 2016

  • 小区基站缓存内容的基于学习的优化

    研究了无线小型基站中有限的回程容量中的最佳缓存内容放置，使用内容级选择性卸载并基于需求历史来优化缓存内容放置，并提供了三种算法进行研究。

    Feb, 2014

  • 小区缓存的协作多智体多臂赌博学习

    该研究在未知用户偏好情况下，探究了学习型缓存在小型蜂窝网络（SCN）中的应用。在这个问题中，我们从多智能体多武器老虎机（MAMAB）的角度模拟这个序列决策问题。我们提出几种 MAMAB-Based 算法，在静态和非静态环境下直接学习缓存策略，以实现最小化系统长期传输延迟的目标。该研究验证了所提出的算法的有效性，并进一步讨论了不同参数对缓存性能的影响。

    Jan, 2020

  • 面向内容的稀疏组播波束成形在具有缓存的云无线接入网中的应用

    采用多播和缓存技术，提出了一种基于内容的传输设计，对云无线访问网络中的基站进行动态聚类和多播波束成形以及优化缓存策略，实现最小化回传成本和发射功率的目标。

    Dec, 2015

  • 异构网络中的内容级别选择性卸载：多臂赌博优化和遗憾界限

    本文研究了在移动通信下行数据中进行内容级别选择性卸载的问题，将流行的内容存储在无线信息站终端的高速缓存存储器中，直接从信息站下载存储的内容，以减少蜂窝网络的延迟和负载，并利用多臂赌博问题及切换成本等方式进行最优的缓存内容放置来学习流行度模型，以提高缓存效率。

    Jul, 2014

  • 缓存启用的小型蜂窝网络：建模与权衡

    研究了在具有缓存能力的小型基站网络模型中，通过确定性分布或本地缓存满足用户需求的方式，分析了系统性能的关键操作参数，并演示了目标文件比特率、存储大小、文件长度和文件流行度对故障概率和平均交付速率的影响。

    May, 2014

  • 利用用户迁移进行无线内容传送

    该研究主要研究如何在具有移动性的小型网络中存储内容文件的编码版本，并提出了分布式逼近算法来解决该问题。在实验中，使用基于大偏差不等式的方法使得研究结论在实际应用中更加精准。

    May, 2014

  • 基于强化学习空时流行度的 5G 最优可扩展缓存

    本研究提出了一个基于强化学习和全局 / 本地 Markov 过程的缓存策略框架，用于预取受欢迎的文件，以便下一次请求时可以快速提供服务。

    Jul, 2017

  • 面向网络的大数据缓存：从云端到边缘的迁移

    提出了一种大数据缓存架构来实现在 5G 无线网络中对内容的主动缓存，通过使用大数据分析工具，数值研究结果表明在提高用户满意度和减轻回传负载等方面获得了显著的收益。

    Jun, 2016

  • 基于回声状态网络的云无线接入网络中移动用户的主动缓存

    该研究旨在解决云无线电接入网络中预测式缓存的问题，通过利用基带单元的机器学习框架并结合子线性算法，确定内容缓存，研究发现该方法相较于随机缓存算法提高了 27.8％至 30.7％的有效容量。

    Jul, 2016