Apprentissage machine orienté QoS pour l'accès opportuniste au spectre

Abstract : Dans ce travail, nous nous intéressons au problème de l’apprentissage machine pour l’accès opportuniste au spectre (AOS). Nous présentons un nouvel algorithme d’apprentissage machine basé sur la classe des UCB (Upper Confidence Bound). Cet algorithme permet non seulement d’apprendre les canaux qui sont le plus souvent libres mais également ceux qui possèdent la meilleur qualité en terme de rapport signal à bruit (RSB), ce qui permet d’introduire une notion de qualité de service (QoS). La stratégie proposée permet à un utilisateur secondaire de pondérer de manière appropriée un critère particulier associé au canal qu’il choisit, comme la puissance d’émission ou le débit par exemple, en sélectionnant deux coefficients d’explorations différents. Notre algorithme permet un compromis entre l’exploration et l’exploitation lorsque le scénario AOS est modélisé comme un problème Markovien de bandit manchot (BM) stable. Nous montrons que notre algorithme surpasse le traditionnel UCB1 en termes de regret et de choix du meilleur canal.
Document type :
Conference papers
Complete list of metadatas

https://hal-supelec.archives-ouvertes.fr/hal-01169842
Contributor : Myriam Andrieux <>
Submitted on : Tuesday, June 30, 2015 - 1:17:49 PM
Last modification on : Tuesday, January 15, 2019 - 4:08:01 PM

Identifiers

  • HAL Id : hal-01169842, version 1

Citation

Navikkumar Modi, Philippe Mary, Christophe Moy. Apprentissage machine orienté QoS pour l'accès opportuniste au spectre . XXVe Colloque GRETSI 2015, Sep 2015, Lyon, France. 4 p. ⟨hal-01169842⟩

Share

Metrics

Record views

294