ترجمه فارسی مقاله AdapShare: یک راه حل اشتراک گذاری داینامیک طیف مبتنی بر RL برای O-RAN

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی AdapShare: An RL-Based Dynamic Spectrum Sharing Solution for O-RAN
عنوان مقاله به فارسی AdapShare: یک راه حل اشتراک گذاری داینامیک طیف مبتنی بر RL برای O-RAN
نویسندگان Sneihil Gopal, David Griffith, Richard A. Rouil, Chunmei Liu
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Networking and Internet Architecture,Machine Learning,شبکه سازی و معماری اینترنت , یادگیری ماشین ,
توضیحات Submitted 29 August, 2024; originally announced August 2024. , Comments: arXiv admin note: text overlap with arXiv:2404.09110
توضیحات به فارسی ارسال شده 29 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: Arxiv Admin توجه: همپوشانی متن با ARXIV: 2404.09110
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The Open Radio Access Network (O-RAN) initiative, characterized by open interfaces and AI/ML-capable RAN Intelligent Controller (RIC), facilitates effective spectrum sharing among RANs. In this context, we introduce AdapShare, an ORAN-compatible solution leveraging Reinforcement Learning (RL) for intent-based spectrum management, with the primary goal of minimizing resource surpluses or deficits in RANs. By employing RL agents, AdapShare intelligently learns network demand patterns and uses them to allocate resources. We demonstrate the efficacy of AdapShare in the spectrum sharing scenario between LTE and NR networks, incorporating real-world LTE resource usage data and synthetic NR usage data to demonstrate its practical use. We use the average surplus or deficit and fairness index to measure the system's performance in various scenarios. AdapShare outperforms a quasi-static resource allocation scheme based on long-term network demand statistics, particularly when available resources are scarce or exceed the aggregate demand from the networks. Lastly, we present a high-level O-RAN compatible architecture using RL agents, which demonstrates the seamless integration of AdapShare into real-world deployment scenarios.

چکیده به فارسی (ترجمه ماشینی)

ابتکار عمل شبکه دسترسی رادیویی باز (O-RAN) ، که توسط رابط های باز و کنترلر هوشمند AI/ML با قابلیت کنترل هوشمند (RIC) مشخص می شود ، به اشتراک گذاری طیف مؤثر در بین RAN ها را تسهیل می کند.در این زمینه ، ما AdapShare ، یک راه حل سازگار با استفاده از راه حل تقویت کننده تقویت کننده (RL) را برای مدیریت طیف مبتنی بر قصد ، با هدف اصلی به حداقل رساندن مازاد منابع یا کسری در RAN ها معرفی می کنیم.با استفاده از عوامل RL ، AdapShare با هوشمندی الگوهای تقاضای شبکه را یاد می گیرد و از آنها برای اختصاص منابع استفاده می کند.ما اثربخشی Adapshare در سناریوی اشتراک طیف بین شبکه های LTE و NR را نشان می دهیم ، که شامل داده های استفاده از منابع LTE در دنیای واقعی و داده های استفاده از NR مصنوعی برای نشان دادن استفاده عملی آن است.ما برای اندازه گیری عملکرد سیستم در سناریوهای مختلف از مازاد مازاد یا کسری و انصاف استفاده می کنیم.Adapshare از یک طرح تخصیص منابع شبه استاتیک بر اساس آمار تقاضای طولانی مدت شبکه ، به ویژه هنگامی که منابع موجود کمیاب هستند یا از تقاضای کل شبکه ها فراتر می روند ، بهتر است.سرانجام ، ما یک معماری سازگار با O-RAN سطح بالا با استفاده از عوامل RL ارائه می دهیم ، که نشان دهنده ادغام یکپارچه Adapshare در سناریوهای استقرار در دنیای واقعی است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.