MMJul, 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

PDF
TL;DR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。
proactive cachingcloud radio access networksbaseband unitsmachine learningcontent caching
发现论文，激发创造
  • 利用 Echo State 网络对 UAV 基站进行预测性按需部署

    本文提出了一种基于无人机基站及用户设备运动轨迹预测的能效匹配方案，通过使用 Echo State Network（ESN）算法预测用户设备未来轨迹和 Kuhn-Munkres 算法寻找节能的无人机基站重新布局路径，实现了无缝服务并最大程度降低了重新部署所需的能量成本。

    Sep, 2019

  • LTE-U 中用于自组织资源分配的 Echo State 网络，通过上下行解耦

    本篇论文研究了包含 LTE-U 的异构小型蜂窝网络中的上下行解耦资源分配问题，提出了一个基于回声状态网络框架的分布式算法，该算法可以使小型基站自主选择其最优的带宽分配策略，并在用户关联、频谱分配和负载均衡方面取得了显著的增益。

    Jan, 2016

  • 深度回声状态网络与不确定性量化在时空预测中的应用

    介绍了一种应用于非线性、多元时间序列的深度集成 ESN 模型及其在美国长期土壤湿度预测中的应用。

    Jun, 2018

  • 空中缓存：缓存启用无人机的主动部署以优化用户体验

    本文研究了使用搭载缓存设备的无人机进行主动部署以优化云无线接入网络中无线设备的体验质量问题。通过使用概念器基础回声状态网络（ESN）的机器学习框架，网络可以有效地预测用户的内容需求分布和移动模式，并可以在最大化用户体验质量和最小化无人机传输功率的同时找到最佳的用户 - 无人机关联、无人机的最佳位置以及需要在无人机上缓存的内容。

    Oct, 2016

  • 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

  • 基于 ESN 的部分观测动态系统的预测时域变异性

    使用局部状态观察研究动力系统的问题在于其适用于许多现实世界的系统。我们通过提出具有局部状态输入和局部或全部状态输出的回声状态网络框架来解决这个问题，结合 Lorenz 系统和 Chua 的振荡器进行验证，表明该方法的有效性。因此，我们证明了 ESN 作为一种自主动力系统具有短期预测数个 Lyapunov 时间的能力，并能有效地学习系统的动态，因此具有作为预测完全观测不可用的系统的动态的廉价代理模型的潜力。

    Jun, 2023

  • 基于特征的回声状态网络：实现储备计算机可解释性与简约性的一步

    提出了一种新颖且可解释的循环神经网络结构，采用回声态网络（ESN）范例进行时间序列预测，并通过较小的并行储备池驱动不同输入组合的特征，非线性组合以产生输出，其预测能力表现优于传统单储备池 ESN。

    Mar, 2024

  • 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

  • 无线小区网络中的内容感知用户聚类和缓存

    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。

    Sep, 2014

  • 物理知识指导下的回声状态网络用于混沌系统预测

    使用物理知识启发的回声状态网络 (ESN) 预测混沌系统的演化，通过引入附加损失函数惩罚非物理预测，提高了预测可预见性，展示了机器学习和物理先验知识相结合的潜力。

    Apr, 2019