Mar, 2024

学习增强的在线时间信息和传输成本最小化

PDF
TL;DR考虑到离散时间系统中的资源受限源，通过时变无线信道将其时间敏感的数据传输到目的地。我们开发了一种鲁棒的在线算法，以最小化传输和信息老化成本之和，确保最坏情况下的性能保证。
discrete-time systemresource-constrained sourcetransmission costage-of-informationlearning-augmented algorithm
发现论文，激发创造
  • 无线网络中基于学习的调度，以提升信息准确性和新鲜度

    通过模拟比较四种标准赌博算法，同时结合分析性保证，我们对多源系统中的调度问题进行了研究，并对任何策略能够达到的累计遗憾下限进行了界定。

    Oct, 2023

  • 学习增强在线算法的最优韧性 - 一致性平衡

    研究如何将机器学习预测融入在线算法以提高性能，并提供非平凡的下界来衡量竞争分析的最优权衡.

    Oct, 2020

  • 部分可观测状况下的信息时代协同优化

    该研究探讨了一种去中心化的传输策略，通过利用传感器传输过程和网络拥塞对信息年龄（AoI）的影响，结合基于粒子滤波和强化学习的方法，实现了多代理间的协同最小化预期的 AoI。

    Dec, 2023

  • 通过速度缩放学习增强能量最小化

    本文介绍了一种基于机器学习的动态在线速度缩放算法，以最小化数据中心的能源消耗，并提供了理论和实验证据来支持其效果。

    Oct, 2020

  • 远程推理的及时通信

    分析数据新鲜度对远程推理系统的影响，提出了一种新的选择 - 缓冲区模型和调度策略来降低推理误差并优化信息时效性。

    Apr, 2024

  • 能量收集通信系统优化的学习理论方法

    研究了一种采用能量收集设备和可充电电池的点对点无线通信系统，在考虑了基于马尔可夫过程的能量和数据到达模型后，采用学习理论方法，比较三种不同情况下的最优方案和性能损耗，同时还研究了在线和离线优化问题。

    Aug, 2012

  • 最佳更新时间：针对基于年龄度量的风险敏感最小化

    在点对点无线通信系统中，通过引入 “风险状态” 的概念来量化和减少高基于年龄的度量风险，以直接推导风险状态频率作为新的风险度量，并提出了两种对 AoI、QAoI 和 AoII 进行风险敏感的策略。通过运用系统知识和增强型 Q 学习方法，在不需了解系统的情况下平衡年龄度量、传输能量和高风险状态频率，从而实现了高效的风险敏感策略。

    Jan, 2024

  • 广播无线网络中最小化信息时效的调度策略

    本文研究无线广播网络中时间敏感的信息传输，提出了优化最小化网络客户端信息新鲜度的传输调度策略，并实现性能保证。我们在对称网络中表明了最优传输调度策略，而对于一般网络，我们提出了三种低复杂度的调度策略，并据此得出了性能保证，并提出了 Max-Weight 和 Whittle's Index 策略来优化该问题。实验结果表明这两种策略的性能最优。

    Jan, 2018

  • 基于深度强化学习的无人机辅助网络中最小化信息时延的方法

    研究了一种 UAV 辅助的无线网络，通过 Markov 决策过程和深度强化学习算法优化飞行轨迹和任务调度来最小化信息年龄值的加权和，取得了显著的研究成果。

    May, 2019

  • 具有截止时间的学习增强在线数据包调度

    研究了在线分组调度问题，在预测误差较小的情况下使用了新算法框架，提高了竞争比率且仍保持有界竞争比率。

    May, 2023