Competition: Channel Exploration/Exploitation Based on a Thompson Sampling Approach in a Radio Cognitive Environment
| Autor: | Arash Maskooki, Viktor Toldov, Laurent Clavier, Valeria Loscrì, Nathalie Mitton |
|---|---|
| Přispěvatelé: | Self-organizing Future Ubiquitous Network (FUN), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Institut d’Électronique, de Microélectronique et de Nanotechnologie - UMR 8520 (IEMN), Centrale Lille-Institut supérieur de l'électronique et du numérique (ISEN)-Université de Valenciennes et du Hainaut-Cambrésis (UVHC)-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Université Polytechnique Hauts-de-France (UPHF), Institut de Recherche sur les Composants logiciels et matériels pour l'Information et la Communication Avancé - USR 3380 (IRCICA), Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Institut TELECOM/TELECOM Lille1, Institut Mines-Télécom [Paris] (IMT), PREDNET, LIRIMA, Université de Lille-Centre National de la Recherche Scientifique (CNRS) |
| Jazyk: | angličtina |
| Rok vydání: | 2016 |
| Předmět: | |
| Zdroj: | EWSN-International Conference on Embedded Wireless Systems and Networks (dependability competition) EWSN-International Conference on Embedded Wireless Systems and Networks (dependability competition), Feb 2016, Graz, Austria Scopus-Elsevier HAL |
| Popis: | International audience; Machine learning approaches have been extensively applied in interference mitigation and cognitive radio devices. In this work, we model the spectrum selection process as a multi-arm bandit problem and apply Thompson sampling, a fast and efficient algorithm, to find the best channel in the shortest time interval. The learning algorithm will work on top of a network layer to efficiently route the event information to the sink. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|