ridm@nrct.go.th   ระบบคลังข้อมูลงานวิจัยไทย   รายการโปรดที่คุณเลือกไว้

การเรียนรู้แบบเสริมแรงบนพื้นฐานของ CTM สำหรับการปรับปรุงการเลือกโครงข่ายไร้สายแบบวิวิธพันธุ์

หน่วยงาน จุฬาลงกรณ์มหาวิทยาลัย

รายละเอียด

ชื่อเรื่อง : การเรียนรู้แบบเสริมแรงบนพื้นฐานของ CTM สำหรับการปรับปรุงการเลือกโครงข่ายไร้สายแบบวิวิธพันธุ์
นักวิจัย : กิตติศักดิ์ กิตติเวทางค์
คำค้น : ระบบสื่อสารไร้สาย , การเรียนรู้แบบเสริมแรง , จราจร -- การจำลองระบบ
หน่วยงาน : จุฬาลงกรณ์มหาวิทยาลัย
ผู้ร่วมงาน : เชาวน์ดิศ อัศวกุล , จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
ปีพิมพ์ : 2553
อ้างอิง : http://cuir.car.chula.ac.th/handle/123456789/21165
ที่มา : -
ความเชี่ยวชาญ : -
ความสัมพันธ์ : -
ขอบเขตของเนื้อหา : -
บทคัดย่อ/คำอธิบาย :

วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2553

เสนอการพิจารณาสมรรถนะของการนำวิธีการเรียนรู้แบบเสริมแรง (reinforcement learning) มาประยุกต์ใช้เพื่อปรับปรุงกระบวนการตัดสินใจเลือกโครงข่ายเทคโนโลยีสื่อสารไร้สายที่เหมาะสม บนพื้นฐานของการจำลองการเคลื่อนที่แบบมหภาคที่มีชื่อว่า การจำลองการส่งผ่านเซลล์ (cell transmission model, CTM) ในโครงข่ายวิวิธพันธุ์ไร้สาย ในวิทยานิพนธ์นี้ได้เสนอผลการคำนวณเชิงตัวเลขบนโครงข่ายท้องถนน 1 มิติ โดยตั้งค่าให้ผู้ใช้มีตัวเลือกในการเชื่อมต่อกับโครงข่ายไร้สายแบบครอบคลุมพื้นที่ขนาดเล็กหรือโครงข่ายไมโครเซลล์ (micro cell network) และแบบครอบคลุมพื้นที่ขนาดใหญ่หรือโครงข่ายแมโครเซลล์ (macro cell network) ในแบบทิศทางตรงและแบบแอดฮ็อก (ad-hoc) การจำลองแบบมหภาคที่เสนอนี้กำหนดให้แหล่งกำเนิดทราฟฟิกจำลอง มาจากการเคลื่อนที่แบบของไหลของยานพาหนะบนถนน ตรงกันข้ามกับแบบจำลองการเคลื่อนที่ของผู้ใช้แบบจุลภาค ซึ่งเป็นที่นิยมใช้ในงานวิจัยอดีตที่การวิเคราะห์จะซ่อนพฤติกรรมของผู้ใช้แต่ละคนไว้ ซึ่งส่งผลให้เกิดความซับซ้อนในการคำนวณ แบบจำลองดังกล่าวนี้มีความได้เปรียบในเรื่องความสามารถในการคำนวณ เมื่อเปรียบเทียบกับแบบจำลองการเคลื่อนที่ของผู้ใช้แบบจุลภาค และสามารถอธิบายพฤติกรรมของผู้ใช้บนท้องถนนได้ ผ่านทางสมการคณิตศาสตร์ แบบจำลองนี้จึงเหมาะสมกับการนำมาจำลองเพื่อหากลยุทธ์การเลือกโครงข่ายที่เหมาะสมแบบปรับตัวได้ การทดลองในวิทยานิพนธ์ที่เสนอกำหนดให้มีความแปรปรวนของระบบแตกต่างกัน เพื่อทดสอบการทำงานของวิธีการเรียนรู้แบบเสริมแรงในสภาพแวดล้อมที่แตกต่างกันออกไป ซึ่งผลการทดลองดังกล่าวนั้นแสดงให้เห็นว่า วิธีการเรียนรู้แบบเสริมแรงนั้นสามารถเลือกโครงข่ายที่เหมาะสมได้ ในทุกผลการทดลองที่ได้นำเสนอ โดยไม่จำเป็นต้องใช้การคำนวณที่ซับซ้อน เหมือนกับอัลกอริทึมอื่นที่มีประสิทธิภาพใกล้เคียงกัน ทั้งยังสามารถปรับปรุงการเลือกโครงข่ายได้โดยอัตโนมัติ หากสภาพแวดล้อมของระบบเปลี่ยนไปอย่างรวดเร็ว

บรรณานุกรม :
กิตติศักดิ์ กิตติเวทางค์ . (2553). การเรียนรู้แบบเสริมแรงบนพื้นฐานของ CTM สำหรับการปรับปรุงการเลือกโครงข่ายไร้สายแบบวิวิธพันธุ์.
    กรุงเทพมหานคร : จุฬาลงกรณ์มหาวิทยาลัย.
กิตติศักดิ์ กิตติเวทางค์ . 2553. "การเรียนรู้แบบเสริมแรงบนพื้นฐานของ CTM สำหรับการปรับปรุงการเลือกโครงข่ายไร้สายแบบวิวิธพันธุ์".
    กรุงเทพมหานคร : จุฬาลงกรณ์มหาวิทยาลัย.
กิตติศักดิ์ กิตติเวทางค์ . "การเรียนรู้แบบเสริมแรงบนพื้นฐานของ CTM สำหรับการปรับปรุงการเลือกโครงข่ายไร้สายแบบวิวิธพันธุ์."
    กรุงเทพมหานคร : จุฬาลงกรณ์มหาวิทยาลัย, 2553. Print.
กิตติศักดิ์ กิตติเวทางค์ . การเรียนรู้แบบเสริมแรงบนพื้นฐานของ CTM สำหรับการปรับปรุงการเลือกโครงข่ายไร้สายแบบวิวิธพันธุ์. กรุงเทพมหานคร : จุฬาลงกรณ์มหาวิทยาลัย; 2553.