Multi-Armed bandit Learning in Iot Networks (MALIN)

Remi Bonnefoi 1 Lilian Besson 1, 2, 3 Christophe Moy 1
3 SEQUEL - Sequential Learning
Inria Lille - Nord Europe, CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189
Résumé : Avec l'arrivée de l'Internet des objets (IoT), le spectre sans licence va être partagée par un grand nombre d'appareils aux caractéristiques différentes. Dans un tel contexte, des solutions sont nécessaires pour permettre la coexistence des appareils et éviter les pertes de performance dues aux interférences. Dans cette démonstration, nous montrons que les algorithmes d'apprentissage de renforcement et en particulier les algorithmes de bandits multi-bras peuvent être utilisés comme un moyen simple d'améliorer les performances des communications IoT.
Type de document :
Poster
ICT2018 - 25th International Conference on Telecommunications, Jun 2018, Saint-Malo, France. 〈http://ict-2018.org/demos/〉
Liste complète des métadonnées

https://hal.inria.fr/hal-02013866
Contributeur : Lilian Besson <>
Soumis le : lundi 11 février 2019 - 13:45:46
Dernière modification le : vendredi 15 février 2019 - 11:15:03

Fichier

MALIN_poster.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-02013866, version 1

Citation

Remi Bonnefoi, Lilian Besson, Christophe Moy. Multi-Armed bandit Learning in Iot Networks (MALIN). ICT2018 - 25th International Conference on Telecommunications, Jun 2018, Saint-Malo, France. 〈http://ict-2018.org/demos/〉. 〈hal-02013866〉

Partager

Métriques

Consultations de la notice

41

Téléchargements de fichiers

20