Información del autor
Autor Xu, Yuhua |
Documentos disponibles escritos por este autor (1)
Crear una solicitud de compra Refinar búsquedaTowards User-Centric Intelligent Network Selection in 5G Heterogeneous Wireless Networks / Du, Zhiyong
TÃtulo : Towards User-Centric Intelligent Network Selection in 5G Heterogeneous Wireless Networks : A Reinforcement Learning Perspective Tipo de documento: documento electrónico Autores: Du, Zhiyong, ; Jiang, Bin, ; Wu, Qihui, ; Xu, Yuhua, ; Xu, Kun, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2020 Número de páginas: XII, 136 p. 45 ilustraciones, 42 ilustraciones en color. ISBN/ISSN/DL: 978-981-1511202-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Sistemas de comunicación inalámbrica. Sistemas de comunicación móviles. Red de computadoras Telecomunicación Informática Comunicación inalámbrica y móvil Redes de comunicación informática IngenierÃa en Comunicaciones Redes Aplicaciones matemáticas en informática Clasificación: 621.384 Resumen: Este libro presenta soluciones basadas en aprendizaje de refuerzo (RL) para la optimización de la selección de redes en lÃnea centradas en el usuario. El contenido principal se puede dividir en tres partes. La primera parte (capÃtulos 2 y 3) se centra en cómo aprender la mejor red cuando la QoE se revela más allá de la QoS en el marco del bandido multiarmado (MAB). La segunda parte (capÃtulos 4 y 5) se centra en cómo satisfacer la demanda dinámica de los usuarios en redes inalámbricas heterogéneas complejas e inciertas en el marco del proceso de decisión de Markov (MDP). La tercera parte (capÃtulos 6 y 7) se centra en cómo satisfacer la demanda heterogénea de los usuarios para múltiples usuarios en redes a gran escala en el marco de la teorÃa de juegos. Se proponen algoritmos de RL eficientes con restricciones y consideraciones prácticas para optimizar la QoE para lograr una selección inteligente de redes en lÃnea para futuras redes móviles. Este libro está destinado a ser un recurso de referencia para investigadores y diseñadores en la gestión de recursos de redes 5G y más allá. Nota de contenido: Introduction -- Learning the Optimal Network with Handoff Constraint: MAB RL Based Network Selection -- Learning the Optimal Network with Context Awareness: Transfer RL Based Network Selection -- Meeting Dynamic User Demand with Transmission Cost Awareness: CT-MAB RL Based Network Selection -- Meeting Dynamic User Demand with Handoff Cost Awareness: MDP RL Based Network Handoff -- Matching Heterogeneous User Demands: Localized Cooperation Game and MARL based Network Selection -- Exploiting User Demand Diversity: QoE game and MARL Based Network Selection -- Future Work. Tipo de medio : Computadora Summary : This book presents reinforcement learning (RL) based solutions for user-centric online network selection optimization. The main content can be divided into three parts. The first part (chapter 2 and 3) focuses on how to learning the best network when QoE is revealed beyond QoS under the framework of multi-armed bandit (MAB). The second part (chapter 4 and 5) focuses on how to meet dynamic user demand in complex and uncertain heterogeneous wireless networks under the framework of markov decision process (MDP). The third part (chapter 6 and 7) focuses on how to meet heterogeneous user demand for multiple users inlarge-scale networks under the framework of game theory. Efficient RL algorithms with practical constraints and considerations are proposed to optimize QoE for realizing intelligent online network selection for future mobile networks. This book is intended as a reference resource for researchers and designers in resource management of 5G networks and beyond. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Towards User-Centric Intelligent Network Selection in 5G Heterogeneous Wireless Networks : A Reinforcement Learning Perspective [documento electrónico] / Du, Zhiyong, ; Jiang, Bin, ; Wu, Qihui, ; Xu, Yuhua, ; Xu, Kun, . - 1 ed. . - Singapore [Malasia] : Springer, 2020 . - XII, 136 p. 45 ilustraciones, 42 ilustraciones en color.
ISBN : 978-981-1511202--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Sistemas de comunicación inalámbrica. Sistemas de comunicación móviles. Red de computadoras Telecomunicación Informática Comunicación inalámbrica y móvil Redes de comunicación informática IngenierÃa en Comunicaciones Redes Aplicaciones matemáticas en informática Clasificación: 621.384 Resumen: Este libro presenta soluciones basadas en aprendizaje de refuerzo (RL) para la optimización de la selección de redes en lÃnea centradas en el usuario. El contenido principal se puede dividir en tres partes. La primera parte (capÃtulos 2 y 3) se centra en cómo aprender la mejor red cuando la QoE se revela más allá de la QoS en el marco del bandido multiarmado (MAB). La segunda parte (capÃtulos 4 y 5) se centra en cómo satisfacer la demanda dinámica de los usuarios en redes inalámbricas heterogéneas complejas e inciertas en el marco del proceso de decisión de Markov (MDP). La tercera parte (capÃtulos 6 y 7) se centra en cómo satisfacer la demanda heterogénea de los usuarios para múltiples usuarios en redes a gran escala en el marco de la teorÃa de juegos. Se proponen algoritmos de RL eficientes con restricciones y consideraciones prácticas para optimizar la QoE para lograr una selección inteligente de redes en lÃnea para futuras redes móviles. Este libro está destinado a ser un recurso de referencia para investigadores y diseñadores en la gestión de recursos de redes 5G y más allá. Nota de contenido: Introduction -- Learning the Optimal Network with Handoff Constraint: MAB RL Based Network Selection -- Learning the Optimal Network with Context Awareness: Transfer RL Based Network Selection -- Meeting Dynamic User Demand with Transmission Cost Awareness: CT-MAB RL Based Network Selection -- Meeting Dynamic User Demand with Handoff Cost Awareness: MDP RL Based Network Handoff -- Matching Heterogeneous User Demands: Localized Cooperation Game and MARL based Network Selection -- Exploiting User Demand Diversity: QoE game and MARL Based Network Selection -- Future Work. Tipo de medio : Computadora Summary : This book presents reinforcement learning (RL) based solutions for user-centric online network selection optimization. The main content can be divided into three parts. The first part (chapter 2 and 3) focuses on how to learning the best network when QoE is revealed beyond QoS under the framework of multi-armed bandit (MAB). The second part (chapter 4 and 5) focuses on how to meet dynamic user demand in complex and uncertain heterogeneous wireless networks under the framework of markov decision process (MDP). The third part (chapter 6 and 7) focuses on how to meet heterogeneous user demand for multiple users inlarge-scale networks under the framework of game theory. Efficient RL algorithms with practical constraints and considerations are proposed to optimize QoE for realizing intelligent online network selection for future mobile networks. This book is intended as a reference resource for researchers and designers in resource management of 5G networks and beyond. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
