DeepMARA - Deep Reinforcement Learning based Massive Random Access Toward Massive Machine-to-Machine Communications
DeepMARA - 基于深度强化学习的大规模随机访问实现大规模机器对机器通信
基本信息
- 批准号:EP/Y028252/1
- 负责人:
- 金额:$ 25.55万
- 依托单位:
- 依托单位国家:英国
- 项目类别:Fellowship
- 财政年份:2024
- 资助国家:英国
- 起止时间:2024 至 无数据
- 项目状态:未结题
- 来源:
- 关键词:
项目摘要
Communication technologies have achieved remarkable success over the last decades - today we can connect almost 7 billionpeople at any time from almost anywhere in the world, we can stream YouTube videos on-the-go, or have video conferences on ourmobile devices. These achievements were part of science fiction literature not long time ago. Today, we need to design thecommunication technologies that can realise our current dreams: Can we connect over 30 billion intelligent devices over the samenetwork infrastructure that serves us today? Can we connect all these devices to enable reliable healthcare services to all the peopleat any time anywhere in the world, or to regulate traffic flow and to coordinate autonomous cars? Can we, not only stream prerecordedvideos, but provide seamless AR/VR experience on mobile devices? These are only a few applications of massive machineto-machine (M2M) communications (one of the main enablers of massive Internet of things (IoT)). Laying the theoretical andalgorithmic foundations of these future technologies is the core ambition of this project.M2M devices are typically only sporadically active and transmit at low data rates. Since it is impossible to coordinate the transmissionof such devices, random access-based solutions are needed to enable their connectivity. With these drastically different requirements,it is imperative to design novel massive random access (MRA) solutions for use in future M2M communication systems. The ability ofmachine learning (ML) approaches such as deep reinforcement learning (DRL) in orchestrating multiple agents to achieve a commongoal in an uncoordinated manner, makes them the right tools to achieve this goal. Specifically, the aim of this project is to devisesmart transmission strategies that combine the collision avoidance capability of DRL-based solutions with collision resolutioncapability of some MRA algorithms to make future massive M2M communication systems realisable.
通信技术在过去几十年中取得了巨大的成功 - 今天,我们可以在世界上几乎任何地方随时连接近 70 亿人,我们可以随时随地流式传输 YouTube 视频,或者在移动设备上召开视频会议。这些成果不久前还是科幻文学的一部分。今天,我们需要设计能够实现我们当前梦想的通信技术:我们能否通过今天为我们服务的同一网络基础设施连接超过 300 亿个智能设备?我们能否连接所有这些设备,以便随时随地为世界各地的所有人提供可靠的医疗服务,或者调节交通流量并协调自动驾驶汽车?我们不仅可以流式传输预先录制的视频,还可以在移动设备上提供无缝的 AR/VR 体验吗?这些只是大规模机器对机器 (M2M) 通信(大规模物联网 (IoT) 的主要推动者之一)的几个应用。为这些未来技术奠定理论和算法基础是该项目的核心目标。M2M 设备通常只是偶尔活动并以低数据速率传输。由于无法协调此类设备的传输,因此需要基于随机访问的解决方案来实现它们的连接。面对这些截然不同的需求,必须设计新颖的大规模随机接入 (MRA) 解决方案以用于未来的 M2M 通信系统。深度强化学习 (DRL) 等机器学习 (ML) 方法能够协调多个代理以不协调的方式实现共同目标,这使它们成为实现这一目标的正确工具。具体来说,该项目的目标是设计智能传输策略,将基于 DRL 的解决方案的碰撞避免能力与某些 MRA 算法的碰撞解决能力相结合,使未来的大规模 M2M 通信系统成为可能。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
Mohammad Kazemi其他文献
Effect of Kerogen Type and Maturity on Performance of Carbon Dioxide Storage in Shale
干酪根类型和成熟度对页岩二氧化碳封存性能的影响
- DOI:
10.2118/187360-ms - 发表时间:
2017-10-09 - 期刊:
- 影响因子:0
- 作者:
Ali Takbiri;Mohammad Kazemi;T. Sun;Mahdi Mansouri - 通讯作者:
Mahdi Mansouri
Flow of Multicomponent Gases in Carbon-Based Organic Nanopores
碳基有机纳米孔中多组分气体的流动
- DOI:
- 发表时间:
2016 - 期刊:
- 影响因子:0
- 作者:
Mohammad Kazemi;Ali Takbiri - 通讯作者:
Ali Takbiri
Variable selection and structure identification for ultrahigh-dimensional partially linear additive models with application to cardiomyopathy microarray data
超高维部分线性加性模型的变量选择和结构识别及其在心肌病微阵列数据中的应用
- DOI:
10.19139/soic.v6i3.577 - 发表时间:
2018-08-19 - 期刊:
- 影响因子:0
- 作者:
Mohammad Kazemi;D. Shahsavani;M. Arashi - 通讯作者:
M. Arashi
Mutation screening of SLC52A3, C19orf12, and TARDBP in Iranian ALS patients
伊朗 ALS 患者的 SLC52A3、C19orf12 和 TARDBP 突变筛查
- DOI:
- 发表时间:
2019 - 期刊:
- 影响因子:4.2
- 作者:
Marzieh Khani;A. Alavi;Hosein Shamshiri;B. Zamani;Hosein Hassanpour;Mohammad Kazemi;S. Nafissi;E. Elahi - 通讯作者:
E. Elahi
One-Bit Massive MIMO Precoding Using Unsupervised Deep Learning
使用无监督深度学习的一位大规模 MIMO 预编码
- DOI:
10.1109/access.2024.3360862 - 发表时间:
2024-09-14 - 期刊:
- 影响因子:3.9
- 作者:
Mohsen Hosseinzadeh;H. Aghaeinia;Mohammad Kazemi - 通讯作者:
Mohammad Kazemi
Mohammad Kazemi的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
相似国自然基金
纤维状凝胶光电极的一体化纺丝成型及其在深脑部光遗传应用研究
- 批准号:52303033
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
图形晶圆深亚波长缺陷的多模式光学检测方法
- 批准号:52305584
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
面向深空高光谱探测的精准解译技术研究
- 批准号:62371359
- 批准年份:2023
- 资助金额:50 万元
- 项目类别:面上项目
俯冲海底高原在地幔过渡区的滞留分离沉降过程以及在深下地幔的俯冲堆积演化
- 批准号:42374107
- 批准年份:2023
- 资助金额:52 万元
- 项目类别:面上项目
深空探测用超导转变边沿探测器的超低噪声性能研究
- 批准号:12303096
- 批准年份:2023
- 资助金额:30 万元
- 项目类别:青年科学基金项目
相似海外基金
Collaborative Research: DMS/NIGMS 2: Novel machine-learning framework for AFMscanner in DNA-protein interaction detection
合作研究:DMS/NIGMS 2:用于 DNA-蛋白质相互作用检测的 AFM 扫描仪的新型机器学习框架
- 批准号:
10797460 - 财政年份:2023
- 资助金额:
$ 25.55万 - 项目类别:
Targeted Motor Learning to Improve Gait for Individuals with Parkinson's Disease
有针对性的运动学习可改善帕金森病患者的步态
- 批准号:
10648097 - 财政年份:2023
- 资助金额:
$ 25.55万 - 项目类别:
Prospective Validation of Neurophysiologic Outcome Prediction in Acute Brain Injury
急性脑损伤神经生理结果预测的前瞻性验证
- 批准号:
10584338 - 财政年份:2023
- 资助金额:
$ 25.55万 - 项目类别:
Artificial intelligence analysis of atrial remodeling evolution in patients with atrial fibrillation: Towards optimal ablation strategies
心房颤动患者心房重塑演变的人工智能分析:寻求最佳消融策略
- 批准号:
10559270 - 财政年份:2023
- 资助金额:
$ 25.55万 - 项目类别:
Identifying the neural mechanisms of goal-directed decision-making in Parkinson's disease using closed-loop deep brain stimulation
使用闭环深部脑刺激识别帕金森病目标导向决策的神经机制
- 批准号:
10608842 - 财政年份:2023
- 资助金额:
$ 25.55万 - 项目类别: