Biblioteca122.739 documentos en línea

Artículos

Deep Reinforcement Learning-Based Content Placement and Trajectory Design in Urban Cache-Enabled UAV NetworksAprendizaje profundo de refuerzo para la colocación de contenido y diseño de trayectorias en redes UAV habilitadas para caché en entornos urbanos.

Resumen

Los vehículos aéreos no tripulados (UAV) habilitados para caché han sido concebidos como una tecnología prometedora para muchas aplicaciones en futuras comunicaciones inalámbricas urbanas. Sin embargo, utilizar los UAV de manera adecuada es un desafío debido a la limitada autonomía y capacidad de almacenamiento, así como al continuo desplazamiento de los usuarios móviles. Para satisfacer la diversidad de servicios de comunicación urbana, es esencial explotar el potencial de movilidad y recursos de almacenamiento de los UAV. Con este fin, consideramos una red de comunicación urbana habilitada para caché donde los UAV sirven a usuarios móviles con restricciones de energía y capacidad de caché. Formulamos un problema de optimización para maximizar la suma de la capacidad alcanzable en este sistema. Para resolver este problema, proponemos un algoritmo de diseño de trayectoria y colocación de contenido basado en aprendizaje profundo por refuerzo (DRL-JCT), cuyo progreso se puede dividir en dos etapas: etapa de colocación de contenido

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento