Fini le blues de la circulation pour le transfert d'informations: décongestionner les canaux sans fil

0
10

Des chercheurs de l'Université des sciences de Tokyo et de l'Université Keio proposent qu'un algorithme d'apprentissage automatique puisse aider les périphériques disposant de ressources limitées sur un réseau sans fil à sélectionner les canaux optimaux pour la transmission d'informations; cela pourrait potentiellement décongestionner des réseaux IoT massifs. Crédit: Université des sciences de Tokyo

L'Internet des objets sans fil (IoT) est un réseau de périphériques dans lequel chaque périphérique peut envoyer directement des informations à un autre via des canaux de communication sans fil, sans intervention humaine. Le nombre d'appareils IoT augmentant chaque jour, la quantité d'informations sur les canaux sans fil augmente également. Cela engendre un encombrement du réseau, entraînant une perte d'informations due à des interférences et à une défaillance de la fourniture d'informations. La recherche pour résoudre ce problème de congestion est en cours et la solution la plus largement acceptée et appliquée est la technologie "multicanal". Avec cette technologie, la transmission d'informations est répartie entre divers canaux parallèles en fonction du trafic dans un canal particulier à un moment donné.

Mais, à l'heure actuelle, les canaux de transmission d'informations optimaux sont sélectionnés à l'aide d'algorithmes qui ne peuvent pas être pris en charge par la plupart des périphériques IoT existants car ils sont soumis à des contraintes de ressources. c'est-à-dire qu'ils ont une faible capacité de stockage et une faible puissance de traitement, et doivent économiser de l'énergie tout en restant en activité pendant de longues périodes.

Dans une étude récente publiée dans Sciences appliquées, un groupe de scientifiques de l’Université des sciences de Tokyo et de l’Université Keio, au Japon, propose l’utilisation d’un algorithme d’apprentissage automatique basé sur le modèle de tir à la corde (qui est un modèle fondamental, proposé précédemment par le professeur Song-Ju Kim de l’Université Keio, qui est utilisé pour résoudre des problèmes tels que celui de la répartition de l’information sur plusieurs canaux), pour sélectionner des canaux. "Nous avons réalisé que cet algorithme pouvait être appliqué aux appareils IoT, et nous avons décidé de le mettre en œuvre et de l'expérimenter", déclare le professeur Mikio Hasegawa, scientifique principal à l'Université des sciences de Tokyo.

Dans leur étude, ils ont construit un système dans lequel plusieurs périphériques IoT étaient connectés pour former un réseau et chaque périphérique ne pouvait sélectionner qu'un seul des nombreux canaux disponibles via lesquels transmettre des informations à chaque fois. De plus, chaque périphérique était limité en ressources. Au cours de l'expérience, les appareils ont été chargés de se réveiller, de transmettre une information, de s'endormir, puis de répéter le cycle un certain nombre de fois. Le rôle de l’algorithme proposé était de permettre aux dispositifs de sélectionner chaque fois le canal optimal, de sorte qu’à la fin, le nombre le plus élevé possible de transmissions réussies (c’est-à-dire lorsque toutes les informations ont atteint leur destination en une fois) a eu lieu.

L’algorithme est appelé apprentissage par renforcement et sa tâche est la suivante: chaque fois qu’une information est transmise par un canal, il note la probabilité de réussite des transmissions via ce canal, selon que l’information atteint complètement et avec précision son contenu. destination. Il met à jour ces données à chaque transmission ultérieure.

Les chercheurs ont utilisé cette configuration pour vérifier également a) si l'algorithme fonctionnait bien, b) s'il était impartial dans le choix des canaux et c) s'il pouvait s'adapter aux variations de trafic dans un canal. Pour les tests, un système de contrôle supplémentaire a été construit, attribuant à chaque appareil un canal particulier et ne pouvant sélectionner aucun autre canal lors de la transmission d'informations. Dans le premier cas, certains canaux étaient encombrés avant le début de l'expérience et les scientifiques ont découvert que le nombre de transmissions réussies était plus important lorsque l'algorithme était utilisé, par opposition à ce qu'il ne l'était pas. Dans le second cas, certains canaux sont devenus encombrés lorsque l'algorithme n'a pas été utilisé et les informations ne peuvent plus être transmises par leur intermédiaire après un certain laps de temps, ce qui entraîne une "injustice" dans la sélection du canal. Cependant, lorsque les scientifiques ont utilisé l'algorithme, la sélection du canal s'est révélée juste. Les résultats pour le troisième cas clarifient ceux des deux cas précédents: lorsque l'algorithme était utilisé, les périphériques commençaient automatiquement à ignorer un canal encombré et ne le réutilisaient que lorsque le trafic dans celui-ci diminuait.

"Nous avons sélectionné les canaux avec un peu de calcul et un algorithme d’apprentissage automatique très performant", nous dit le professeur Hasegawa. Bien que cela signifie que l'algorithme a résolu avec succès le problème de sélection de canal dans des conditions expérimentales, son évolution dans le monde réel reste à démontrer. "Des expériences sur le terrain visant à tester la robustesse de cet algorithme seront menées dans le cadre de recherches ultérieures", indiquent les scientifiques. Ils prévoient également d'améliorer l'algorithme dans les recherches futures en prenant en compte d'autres caractéristiques du réseau, telles que la qualité de transmission du canal.

Le monde évolue rapidement vers les réseaux IoT sans fil massifs avec un nombre croissant d'appareils se connectant via des canaux sans fil dans le monde entier. Chaque organisation ou chercheur possible profite de ce moment historique pour résoudre le problème de la sélection de chaînes et prendre une longueur d’avance. Le professeur Hasegawa et son équipe ont réussi à franchir l'un des premiers pas de la course. L’avenir de la transmission d’informations sans fil haute vitesse et sans erreur est peut-être proche!


L'algorithme fournit aux réseaux les informations les plus récentes disponibles tout en évitant l'encombrement des données


Plus d'information:
Jing Ma et al., Algorithme de sélection de ressources répartie basé sur l'apprentissage par le renforcement pour l'IdO massif, Sciences appliquées (2019). DOI: 10.3390 / app9183730

Fourni par
                                                                                                    Université des sciences de Tokyo


Citation:
                                                 Fini le blues du trafic pour le transfert d'informations: décongestionner les canaux sans fil (7 novembre 2019)
                                                 récupéré le 7 novembre 2019
                                                 sur https://techxplore.com/news/2019-11-traffic-blues-decongesting-wireless-channels.html

Ce document est soumis au droit d'auteur. Mis à part toute utilisation équitable à des fins d’étude ou de recherche privée, aucun
                                            partie peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.

Les offres de produits Hi-tech en rapport avec cet article

Laisser un commentaire