Título :	Towards User-Centric Intelligent Network Selection in 5G Heterogeneous Wireless Networks : A Reinforcement Learning Perspective
Tipo de documento:	documento electrónico
Autores:	Du, Zhiyong, Autor ; Jiang, Bin, Autor ; Wu, Qihui, Autor ; Xu, Yuhua, Autor ; Xu, Kun, Autor
Mención de edición:	1 ed.
Editorial:	Singapore [Malasya] : 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.
Palabras clave:	Sistemas de comunicación inalámbrica  Sistemas de comunicación móviles  Red de computadoras  Telecomunicación  Informática  Comunicación inalámbrica y móvil  Redes de comunicación informática  Ingeniería en Comunicaciones  Redes  Aplicaciones matemáticas en informática
Índice Dewey:	621.384 Radio y radar
Resumen:	Este libro presenta soluciones basadas en aprendizaje de refuerzo (RL) para la optimización de la selección de redes en línea centradas en el usuario. El contenido principal se puede dividir en tres partes. La primera parte (capítulos 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 (capítulos 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 (capítulos 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 teoría 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 línea 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.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Towards User-Centric Intelligent Network Selection in 5G Heterogeneous Wireless Networks : A Reinforcement Learning Perspective [documento electrónico] / Du, Zhiyong, Autor ; Jiang, Bin, Autor ; Wu, Qihui, Autor ; Xu, Yuhua, Autor ; Xu, Kun, Autor  . -  1 ed.  . - Singapore [Malasya] : 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.

Palabras clave:	Sistemas de comunicación inalámbrica  Sistemas de comunicación móviles  Red de computadoras  Telecomunicación  Informática  Comunicación inalámbrica y móvil  Redes de comunicación informática  Ingeniería en Comunicaciones  Redes  Aplicaciones matemáticas en informática
Índice Dewey:	621.384 Radio y radar
Resumen:	Este libro presenta soluciones basadas en aprendizaje de refuerzo (RL) para la optimización de la selección de redes en línea centradas en el usuario. El contenido principal se puede dividir en tres partes. La primera parte (capítulos 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 (capítulos 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 (capítulos 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 teoría 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 línea 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.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i