사물 인터넷을위한 무선 주파수 통합 룰렛 전략 다시 생각합니다
ECE 조교수 Francesco Restuccia 및 부교수 Marvin Onabajo 부교수는“전력 효율적인 통합 룰렛 전략의 실시간 학습 기반 자동 최적화”를 통해“자체 적응 간섭-피피 무선 수신기 하드웨어”에 대한 6 억 달러의 NSF 보조금을 받았습니다.
초록 출처 :NSF
사물 인터넷 (IoT)의 수많은 장치는 매우 혼잡하고 역동적 인 스펙트럼 환경을 만들고 있습니다. 따라서, 룰렛 전략 통신 매개 변수의 연속적이고 원활한 적응은 향후 몇 년 안에 필수적이 될 것입니다.
RF 통합 룰렛 전략의 자동 기계 학습 기반 최적화는 아날로그 RF 프론트 엔드 룰렛 전략의 디지털 제어를 통해 조사 될 것입니다. 소설 심해 강화 학습 (DRL) 알고리즘은 전례없는 유연성을 제공하면서 에너지 효율을 향상시키고 간섭 영향을 최소화하기 위해 개발 될 것입니다.
이상은 NSF의 법정 사명을 반영하며 재단의 지적 장점과 광범위한 영향 검토 기준을 사용하여 평가를 통해 지원을받을 가치가있는 것으로 간주되었습니다.