Inteligentní přidělovaní rádiových prostředků a řízení mobility založené na federovaném učení
Cíle projektu
Přidělování rádiových prostředků a řízení mobility v budoucích mobilních sítích bude umožněno díky strojovému učení. Existující vědecké práce ovšem poskytují pouze izolovaná řešení jednotlivých podproblémů celého procesu. Současné využití více algoritmů založených na strojovém učení v mobilních sítích s velkým množstvím různorodých zařízení a základnových stanic však vede k akumulaci chyby učení jednotlivých algoritmů a snižuje efektivitu komunikace. V tomto projektu bude navržen koncept distribuovaného přidělování rádiových prostředků a řízení mobility založený na umělé inteligenci a využívající federovaného učení s jednotlivými procesy řízení řešenými pomocí kooperujících algoritmů založených na strojovém učení. Navržené řešení sníží akumulovanou chybu jednotlivých učících komponent, což povede k efektivnímu využití algoritmů založených na strojovém učení pro výpočetně nenáročné přidělování rádiových prostředků a řízení mobility pro velký počet zařízení. Také bude výrazně zvýšena komunikační kapacita při současném potlačení negativních vlivů spojených s mobilitou zařízení.
Klíčová slova
Radio Resource ManagementMobilityArtificial InteligenceMachine learningFederated lerningMobile Networks
Veřejná podpora
Poskytovatel
Grantová agentura České republiky
Program
Standardní projekty
Veřejná soutěž
SGA0202300001
Hlavní účastníci
České vysoké učení technické v Praze / Fakulta elektrotechnická
Druh soutěže
VS - Veřejná soutěž
Číslo smlouvy
23-05646S
Alternativní jazyk
Název projektu anglicky
Intelligent Radio Resource and Mobility Management based on Federated Learning
Anotace anglicky
Radio resource and mobility management in the future mobile networks is expected to be facilitated by machine learning. Existing research works provide only solutions to the individual sub-problems of the management in an isolated way. However, deployment of multiple machine learning-based algorithms simultaneously in the mobile networks results in an accumulation of learning errors of individual algorithms leading to a degradation in the network performance. Thus, in this project, we will develop a novel artificial intelligence-based radio resource and mobility management concept exploiting federated learning with the individual management processes handled via cooperating machine learning-based algorithms. Such approach will minimize the accumulated learning error and, hence, enable an efficient exploitation of multiple learning-based algorithms for low-complexity radio resource and mobility management handling massive amount of devices. Consequently, communication capacity will be significantly increased while undesirable effects of devices’ mobility will be suppressed.
Vědní obory
Kategorie VaV
ZV - Základní výzkum
OECD FORD - hlavní obor
20202 - Communication engineering and systems
OECD FORD - vedlejší obor
20203 - Telecommunications
OECD FORD - další vedlejší obor
—
CEP - odpovídající obory
(dle převodníku)JW - Navigace, spojení, detekce a protiopatření
Termíny řešení
Zahájení řešení
1. 1. 2023
Ukončení řešení
31. 12. 2025
Poslední stav řešení
K - Končící víceletý projekt
Poslední uvolnění podpory
29. 2. 2024
Dodání dat do CEP
Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP25-GA0-GA-R
Datum dodání záznamu
21. 2. 2025
Finance
Celkové uznané náklady
6 123 tis. Kč
Výše podpory ze státního rozpočtu
6 123 tis. Kč
Ostatní veřejné zdroje financování
0 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Uznané náklady
6 123 tis. Kč
Statní podpora
6 123 tis. Kč
0%
Poskytovatel
Grantová agentura České republiky
OECD FORD
Communication engineering and systems
Doba řešení
01. 01. 2023 - 31. 12. 2025