JP7377847B2 - 強化学習によって支援された動的リソース割り当て - Google Patents
強化学習によって支援された動的リソース割り当て Download PDFInfo
- Publication number
- JP7377847B2 JP7377847B2 JP2021204984A JP2021204984A JP7377847B2 JP 7377847 B2 JP7377847 B2 JP 7377847B2 JP 2021204984 A JP2021204984 A JP 2021204984A JP 2021204984 A JP2021204984 A JP 2021204984A JP 7377847 B2 JP7377847 B2 JP 7377847B2
- Authority
- JP
- Japan
- Prior art keywords
- buffer queue
- time interval
- egress rate
- control parameter
- program code
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000002787 reinforcement Effects 0.000 title claims description 11
- 238000013468 resource allocation Methods 0.000 title description 4
- 239000000872 buffer Substances 0.000 claims description 121
- 238000000034 method Methods 0.000 claims description 63
- 230000009471 action Effects 0.000 claims description 42
- 238000011144 upstream manufacturing Methods 0.000 claims description 37
- 230000005540 biological transmission Effects 0.000 claims description 36
- 239000003795 chemical substances by application Substances 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 24
- 238000013213 extrapolation Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 description 34
- 230000006870 function Effects 0.000 description 31
- 238000004891 communication Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 15
- 238000005457 optimization Methods 0.000 description 12
- 230000004044 response Effects 0.000 description 12
- 230000006399 behavior Effects 0.000 description 9
- 238000013507 mapping Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 239000013307 optical fiber Substances 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 235000019800 disodium phosphate Nutrition 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 102100035476 Serum paraoxonase/arylesterase 1 Human genes 0.000 description 1
- 102100022824 Serum paraoxonase/arylesterase 2 Human genes 0.000 description 1
- 101710180998 Serum paraoxonase/arylesterase 2 Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012966 insertion method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L49/00—Packet switching elements
- H04L49/90—Buffering arrangements
- H04L49/9005—Buffering arrangements using dynamic buffer space allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/52—Queue scheduling by attributing bandwidth to queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/52—Queue scheduling by attributing bandwidth to queues
- H04L47/522—Dynamic queue service slot or variable bandwidth allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/62—Queue scheduling characterised by scheduling criteria
- H04L47/6215—Individual queue per QOS, rate or priority
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/62—Queue scheduling characterised by scheduling criteria
- H04L47/622—Queue service order
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/62—Queue scheduling characterised by scheduling criteria
- H04L47/625—Queue scheduling characterised by scheduling criteria for service slots or service orders
- H04L47/6255—Queue scheduling characterised by scheduling criteria for service slots or service orders queue load conditions, e.g. longest queue first
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
Description
(i) 論理上り送信バッファの占有ステータスの推測、
(ii) プロビジョニングされた帯域幅成分(bandwidth component)パラメータ内の推測されたバッファ占有ステータスに従った割当て帯域幅の更新、
(iii) 更新された帯域幅に従った割り当ての発行、
(iv) 少なくとも一部のDBA動作の管理。
これらの従属機能は、個々のAlloc-IDおよびそれらのプロビジョニングされた帯域幅成分パラメータのレベルで適用され得る。
(A) OLT210によって請求され、請求に応じてONU260によって提出された明示的なバッファ占有レポートに基づく、ステータス報告DBA、ならびに
(B) アイドルXGEMフレームパターンのOLTの観察、およびそれらと、対応する帯域幅マップとの比較に基づく、トラフィック監視DBA。
I. 入来ビットストリームおよび/またはデータ単位(例えば、パケット)を、例えば、上りまたは下りの、対応するリンクを通じたさらなる送信のためにバッファするように構成された少なくとも1つのバッファキュー、
II. 例えば、バッファキューへ到来し、その内部に在留し、かつ/またはそれを通過する実際のトラフィックを特徴付ける、少なくとも1つのバッファキューに対応するトラフィックの測定および/または推定を獲得すること、
III. トラフィックの測定および/または推定を、高スループットを達成すること、電力消費を低減すること、遅延を低減すること、指定されたQoSメトリックを達成すること、輻輳を低減すること等などの、関連する最適化目的(optimization objective)の下で、対応するデータリンクのいくつかのパラメータ、例えば、エグレスレートおよび/またはそれに対する制約を制御する関連DRA(またはDBA)アルゴリズムへの入力として用いること。
本明細書において、エグレスレートとは、対応するバッファキューの出力レート(output rate:出力速度)である。
・ ステータスレポート(例えば、バッファキュー占有メトリック(buffer-queue occupancy metrics)を提供する)、および/またはトラフィック監視データ(例えば、転送されたデータ単位の実際の数、イングレスレート(ingress rate(s):入力速度、入力レート)、エグレスレート(egress rate(s))等)などの、トラフィック情報を取り込む機能性、
・ 取り込まれたトラフィック情報を、バッファキューのエグレスレートを変更または制約することができる制御出力にマッピングするように構成されたDRAアルゴリズム、ならびに
・ 明示的なRL探索を回避し、その代わりに、取られた行動の外挿に依拠しつつ、DRAアルゴリズムのマッピング関数を適応的に変更するように構成された学習エージェント。
学習エージェントは以下のことのうちの一部または全ての能力を有し得る:
・ (i)バッファキューに到来し、その内部に在留し、かつ/またはそれを通過する実際のトラフィック、および(ii)システム設計者/インプリメンタ(implementer:実行する者)によって、またはネットワークオペレータによって学習エージェントへの入力として与えられた最適化目的に基づいて、DRAアルゴリズムの上述のマッピング機能性を変更すること、
・ DRAアルゴリズムの上述のマッピング機能性を、例えば、ペイロードデータのフローを中断することなく、オンラインで、および/またはオンザフライ(on the fly)で変更すること、ならびに
・ 環境を学習するための努力の一環として、ランダムな(任意の、無作為の)、および/または著しく最適を下回る行動(grossly suboptimal action)を遂行することなく、DRAアルゴリズムの上述のマッピング機能性を変更すること。
最後の特徴は少なくとも2つの恩恵をもたらし得る:(i)明示的なRL探索に通例関連付けられる追加的な性能ペナルティの解消、および(ii)学習エージェントが状態の1回の発生時に状態ごとに多くの行動の性能メトリックを決定することができるがゆえの、環境のより高速の学習。
B(k)は、時間間隔T(k)の開始時におけるバッファキュー占有(充填(fill))である、
B(k+1)は、時間間隔T(k)の終了時における、または、同等に、時間間隔T(k+1)の開始時におけるバッファキュー占有である、
B(k+2)は、時間間隔T(k+1)の終了時におけるバッファキュー占有である、
I(k)は、時間間隔T(k)内のイングレスフローの量である、
I(k+1)は、時間間隔T(k+1)内のイングレスフローの量である、
E(k)は、時間間隔T(k)内のエグレスフローの量である、
E(k+1)は、時間間隔T(k+1)内のエグレスフローの量である、
R(k-1)は、時間間隔T(k)の間に効力のある制御パラメータである、
R(k)は、時間間隔T(k+1)の間に効力のある同様の制御パラメータである。
当業者は、式(9)は、適用可能な範囲のイングレスレートの、L個の離散レベルへの量子化(quantization)に依拠することを理解するであろう。次に、この状態定義を用いて、式(7)のための対応する関数Fを考案することができる。
110 分配点ユニット
114、1541、154N、202、2681、268N、1212、1232 デジタル信号プロセッサ
116、1561、156N、201、2721、272N、1208、1228 メモリ
118、218 電子コントローラ
120i、160i 送信器
130i、170i 受信器
1381、138N、1421、142N 入力/出力ポート
1401、140N 加入者線
1501、150N 顧客構内設備ユニット
200 受動光ネットワークシステム
210 光回線終端装置
211、213 制御信号
212、264i 光送信器
214、266i 光受信器
220、262、262i 光サーキュレータ
224 光ファイバー
228、2321、232N ポート
230 受動ルータ
2601、260N 光ネットワークユニット
300 回路
310 DRA制御可能リソース
312 リソース計測情報
320 DRAコントローラ
330 リソースモニタ
332、342、348 制御信号
340 DRAマッパー
350 学習エージェント
352 最適化目的
400 方法
500、5001、5002、5003、5004 バッファキュー
501 イングレストラフィックフロー
5011、5012、5013、5014 イングレスフロー
502 データ単位
503 エグレストラフィックフロー
5031、5032、5033、5034 エグレスフロー
1200 無線通信システム
1210、12201、1220N、12201、1220N モバイル端末
1214、1234 無線周波数トランシーバ
1216、12361、1236M アンテナ
1218 無線リンク
1230 基地局
1250 ネットワークコア
Claims (14)
- 少なくとも1つのプロセッサと、
プログラムコードを含む少なくとも1つのメモリと、
を備える装置であって、
前記少なくとも1つのメモリと前記プログラムコードとが、前記少なくとも1つのプロセッサを用いて、前記装置に、少なくとも、
第1のバッファキューのエグレスレートを、クオリティ値に、および現在の時間間隔内の前記第1のバッファキューの占有に基づいて、次の時間間隔のための前記第1のバッファキューのエグレスレート制御パラメータ値を選択することによって、調節することであって、前記クオリティ値は特定の状態における特定のエグレスレート制御パラメータ値に対する報酬を定量化することと、
前記現在の時間間隔内の前記第1のバッファキューの複数のエグレスレート制御パラメータ値に対応する複数の前記クオリティ値を更新することと、
を行わせるように構成されている、装置。 - 前記装置が、前記現在の時間間隔内の前記第1のバッファキューの前記占有に基づいて前記現在の時間間隔内の前記第1のバッファキューの前記複数のエグレスレート制御パラメータ値に対応する前記複数の前記クオリティ値を更新するように構成された学習エージェントを備える、請求項1に記載の装置。
- 前記少なくとも1つのメモリと前記プログラムコードとが、前記少なくとも1つのプロセッサを用いて、前記装置に、以前の時間間隔内において選択された前記エグレスレート制御パラメータ値に対応するクオリティ値からの外挿を用いて前記複数の前記クオリティ値を更新させるように構成されている、請求項1に記載の装置。
- 前記プログラムコードが強化学習プログラムを含む、請求項1に記載の装置。
- 前記強化学習プログラムが探索段階をサポートせず、すでに取られた行動の外挿に依拠する、請求項4に記載の装置(300)。
- 前記少なくとも1つのメモリと前記プログラムコードとが、前記少なくとも1つのプロセッサを用いて、前記装置に、少なくとも第2のバッファキューのエグレスレートを調節させるようにさらに構成されている、請求項1に記載の装置。
- 前記第1のバッファキューが下り(ダウンストリーム)送信のためのものであり、
前記第2のバッファキューが上り(アップストリーム)送信のためのものである、請求項6に記載の装置。 - 前記第1のバッファキューと前記第2のバッファキューとの両方が下り(ダウンストリーム)送信のためのものであるか、または上り(アップストリーム)送信のためのものである、請求項6に記載の装置。
- 前記少なくとも1つのメモリと前記プログラムコードとが、前記少なくとも1つのプロセッサを用いて、前記装置に、貪欲選択ポリシーを用いて前記次の時間間隔のための前記第1のバッファキューの前記エグレスレート制御パラメータ値を選択させるようにさらに構成されている、請求項1に記載の装置。
- 前記少なくとも1つのメモリ(116、201)と前記プログラムコードとが、前記少なくとも1つのプロセッサ(118、218、320)を用いて、前記装置に、前記次の時間間隔のための前記第1のバッファキュー(500)の前記エグレスレート制御パラメータ値のランダムな選択を行わせないようにさらに構成されている、請求項1に記載の装置(300)。
- 請求項1~10のいずれかに記載の装置を備えるアクセスノードであって、データを前記第1のバッファキューから、データリンクを通じて、顧客構内設備ユニットへ送信するようさらに構成されている、アクセスノード。
- 請求項1~10のいずれかに記載の装置を備える顧客構内設備であって、データを前記第1のバッファキューから、データリンクを通じて、アクセスノードへ送信するようさらに構成されている、顧客構内設備。
- 非一時的機械可読媒体上にて符号化されたプログラムコードを有する前記非一時的機械可読媒体であって、前記プログラムコードが機械によって実行されたときに、前記機械が、
第1のバッファキューのエグレスレートを、クオリティ値に、および現在の時間間隔内の前記第1のバッファキューの占有に基づいて、次の時間間隔のための前記第1のバッファキューのエグレスレート制御パラメータ値を選択することによって、調節することであって、前記クオリティ値は特定の状態における特定のエグレスレート制御パラメータ値に対する報酬を定量化することと、
前記現在の時間間隔内の前記第1のバッファキューの複数のエグレスレート制御パラメータ値に対応する複数の前記クオリティ値を更新することと、
を含む方法を実行する、非一時的機械可読媒体。 - 前記現在の時間間隔内の前記第1のバッファキューの前記複数のエグレスレート制御パラメータ値に対応する前記複数の前記クオリティ値を更新することが、前記現在の時間間隔内の前記第1のバッファキューの前記占有に基づく、請求項13に記載の非一時的機械可読媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/124,533 | 2020-12-17 | ||
US17/124,533 US11616736B2 (en) | 2020-12-17 | 2020-12-17 | Dynamic resource allocation aided by reinforcement learning |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022096654A JP2022096654A (ja) | 2022-06-29 |
JP7377847B2 true JP7377847B2 (ja) | 2023-11-10 |
Family
ID=78770470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021204984A Active JP7377847B2 (ja) | 2020-12-17 | 2021-12-17 | 強化学習によって支援された動的リソース割り当て |
Country Status (3)
Country | Link |
---|---|
US (1) | US11616736B2 (ja) |
EP (1) | EP4016967A1 (ja) |
JP (1) | JP7377847B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030145111A1 (en) | 2000-12-22 | 2003-07-31 | Dominique Derou-Madeline | Adaptive routing process by deflection with training by reinforcement |
JP2003274446A (ja) | 2002-03-14 | 2003-09-26 | Nippon Telegr & Teleph Corp <Ntt> | 帯域制御方法および基地局装置 |
WO2019188941A1 (ja) | 2018-03-27 | 2019-10-03 | 日本製鉄株式会社 | 解析システム、解析方法、およびプログラム |
US20200067637A1 (en) | 2018-08-21 | 2020-02-27 | The George Washington University | Learning-based high-performance, energy-efficient, fault-tolerant on-chip communication design framework |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7072299B2 (en) | 2001-08-20 | 2006-07-04 | International Business Machines Corporation | Credit-based receiver using selected transmit rates and storage thresholds for preventing under flow and over flow-methods, apparatus and program products |
US8923672B2 (en) | 2011-11-10 | 2014-12-30 | Alcatel Lucent | Wavelength router for a passive optical network |
EP2878118B1 (en) | 2012-07-27 | 2021-04-07 | Assia Spe, Llc | Management system and methods of managing time-division duplex (tdd) transmission over copper lines |
KR20150089853A (ko) * | 2014-01-28 | 2015-08-05 | 삼성전자주식회사 | 이종 무선망에서 트래픽 분산 제어방법 및 장치 |
US9614583B2 (en) | 2014-06-27 | 2017-04-04 | Adtran, Inc. | Managing crosstalk in DSL systems |
EP3182636B1 (en) | 2015-12-17 | 2020-03-25 | Alcatel Lucent | Apparatus and method for controlling tdd communications |
EP3516516B1 (en) | 2016-09-21 | 2022-05-11 | Accenture Global Solutions Limited | Dynamic resource allocation for application containers |
KR102398021B1 (ko) | 2018-09-19 | 2022-05-17 | 한국전자통신연구원 | 수동형 광 네트워크에서의 기계학습 기반 대역 할당 방법 및 장치 |
CN112243166B (zh) * | 2019-07-19 | 2023-04-07 | 上海诺基亚贝尔股份有限公司 | 用于光通信的方法、设备、装置和计算机可读介质 |
US20220343161A1 (en) * | 2019-09-20 | 2022-10-27 | Northeastern University | Device and method for embedded deep reinforcement learning in wireless internet of things devices |
JP7347525B2 (ja) * | 2019-09-30 | 2023-09-20 | 日本電気株式会社 | システム、方法及び制御装置 |
CN114339774A (zh) * | 2020-09-30 | 2022-04-12 | 北京三星通信技术研究有限公司 | 频谱资源共享方法、装置、电子设备及存储介质 |
US11816610B2 (en) * | 2020-10-28 | 2023-11-14 | Cox Communications, Inc. | Systems and methods for network resource allocations |
-
2020
- 2020-12-17 US US17/124,533 patent/US11616736B2/en active Active
-
2021
- 2021-11-23 EP EP21209892.5A patent/EP4016967A1/en active Pending
- 2021-12-17 JP JP2021204984A patent/JP7377847B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030145111A1 (en) | 2000-12-22 | 2003-07-31 | Dominique Derou-Madeline | Adaptive routing process by deflection with training by reinforcement |
JP2003274446A (ja) | 2002-03-14 | 2003-09-26 | Nippon Telegr & Teleph Corp <Ntt> | 帯域制御方法および基地局装置 |
WO2019188941A1 (ja) | 2018-03-27 | 2019-10-03 | 日本製鉄株式会社 | 解析システム、解析方法、およびプログラム |
US20200067637A1 (en) | 2018-08-21 | 2020-02-27 | The George Washington University | Learning-based high-performance, energy-efficient, fault-tolerant on-chip communication design framework |
Non-Patent Citations (1)
Title |
---|
R. K. Mehra, B. Ravichandran, J. B. D. Cabrera, D. N. Greve, R.S. Sutton,Towards Self-Learning Adaptive Scheduling for ATM Networks,Proceedings of the 36th IEEE Conference on Decision and Control,米国,IEEE,1997年12月12日,2393-2398 |
Also Published As
Publication number | Publication date |
---|---|
US11616736B2 (en) | 2023-03-28 |
US20220200932A1 (en) | 2022-06-23 |
EP4016967A1 (en) | 2022-06-22 |
JP2022096654A (ja) | 2022-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8848523B2 (en) | Method for sub-rating an ethernet passive optical network (EPON) medium access control (MAC) based communication link | |
Ansari et al. | Media access control and resource allocation: For next generation passive optical networks | |
US20030016692A1 (en) | Method and system for processing upstream packets of an optical network | |
JP2012175269A (ja) | 動的帯域割当方法及び光通信ネットワーク | |
Sarigiannidis et al. | DIANA: A machine learning mechanism for adjusting the TDD uplink-downlink configuration in XG-PON-LTE systems | |
EP2683113A1 (en) | Energy efficient ethernet power management via SIEPON protocol | |
CN100581294C (zh) | 以太网无源光网络多业务动态带宽请求的方法 | |
Zaouga et al. | Self-adjusting DBA algorithm for next generation PONs (NG-PONs) to support 5G fronthaul and data services | |
Inaty et al. | Generalized multi-access dynamic bandwidth allocation scheme for future generation PONs: a solution for beyond 5G delay/jitter sensitive systems | |
JP7377847B2 (ja) | 強化学習によって支援された動的リソース割り当て | |
CN105874729B (zh) | 用于接入网络的设备和方法 | |
Kyriakopoulos et al. | Predicting and allocating bandwidth in the optical access architecture XG-PON | |
Zhang et al. | High-priority first dynamic wavelength and bandwidth allocation algorithm in TWDM-PON | |
Durand et al. | Energy efficient adaptive optical CDMA random access protocol based on particle swarm optimization | |
Ciceri et al. | Dynamic bandwidth allocation with multi-ONU customer support for ethernet passive optical networks | |
Dalamagkas et al. | PAS: a fair game-driven DBA scheme for XG-PON systems | |
Liu et al. | MPCP-ℓ: Look-ahead enhanced MPCP for EPON | |
Kyriakopoulos et al. | Bandwidth efficiency in the next generation access architecture XG-PON | |
Zhu et al. | Dynamic subcarrier assignment in OFDMA-PONs based on deep reinforcement learning | |
Sharma et al. | Resource Sharing Strategies for Point-to-Multipoint Distribution in Next-Generation DSL Networks | |
Park et al. | Enhanced dynamic bandwidth allocation algorithm in Ethernet passive optical networks | |
Maheswaravenkatesh et al. | A QoS-aware dynamic bandwidth allocation in PON networks | |
CN105703834B (zh) | 一种控制光功率的方法和主节点 | |
Nakayama et al. | ITU TWDM-PON module for ns-3 | |
Berisa et al. | Real-time PON signaling for emerging low-latency applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220401 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220401 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230327 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230627 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230928 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231030 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7377847 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |