Double Q-learning Adaptive Wavelet Compression Method for Data Transmission at Environmental Monitoring Stations

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F22%3A10251747" target="_blank" >RIV/61989100:27240/22:10251747 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/10022080" target="_blank" >https://ieeexplore.ieee.org/document/10022080</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/SSCI51031.2022.10022080" target="_blank" >10.1109/SSCI51031.2022.10022080</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Double Q-learning Adaptive Wavelet Compression Method for Data Transmission at Environmental Monitoring Stations

Popis výsledku v původním jazyce

We present a Double Q-learning (DQL) algorithm to control the data wavelet compression levels in environmental wireless monitoring networks (EWNS). EWNS are commonly equipped with low-power wide-area network (LPWAN) modules with the ability to transmit very small volumes of data. The presented method allows optimization at the edge computing level, thereby obtaining maximum utilization of the established communication channel. The study applies simulations in combination with a methodology designed to control the DQL strategy. The results indicate that the proposed computational intelligent method was able to deliver adaptive compression with zero buffer overflows while experiencing significant fluctuations in the communications throughput. (C) 2022 IEEE.

Název v anglickém jazyce

Double Q-learning Adaptive Wavelet Compression Method for Data Transmission at Environmental Monitoring Stations

Popis výsledku anglicky

We present a Double Q-learning (DQL) algorithm to control the data wavelet compression levels in environmental wireless monitoring networks (EWNS). EWNS are commonly equipped with low-power wide-area network (LPWAN) modules with the ability to transmit very small volumes of data. The presented method allows optimization at the edge computing level, thereby obtaining maximum utilization of the established communication channel. The study applies simulations in combination with a methodology designed to control the DQL strategy. The results indicate that the proposed computational intelligent method was able to deliver adaptive compression with zero buffer overflows while experiencing significant fluctuations in the communications throughput. (C) 2022 IEEE.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20202 - Communication engineering and systems

Projekt

<a href="/cs/project/EF16_019%2F0000867" target="_blank" >EF16_019/0000867: Centrum výzkumu pokročilých mechatronických systémů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2022 IEEE Symposium Series on Computational Intelligence, SSCI 2022 : proceedings : 4-7 december 2022, Singapore

ISBN

978-1-66548-769-6

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

567-572

Název nakladatele

IEEE - Institute of Electrical and Electronics Engineers

Místo vydání

Piscataway

Místo konání akce

Singapur

Datum konání akce

4. 12. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—