Deep Reinforcement Learning for Wireless Networks

1 - Preface [Seite 6]
1.1 - A Brief Journey Through ``Deep Reinforcement Learning for Wireless Networks'' [Seite 6]
2 - Contents [Seite 8]
3 - 1 Introduction to Machine Learning [Seite 10]
3.1 - 1.1 Supervised Learning [Seite 10]
3.1.1 - 1.1.1 k-Nearest Neighbor (k-NN) [Seite 11]
3.1.2 - 1.1.2 Decision Tree (DT) [Seite 11]
3.1.3 - 1.1.3 Random Forest [Seite 12]
3.1.4 - 1.1.4 Neural Network (NN) [Seite 14]
3.1.4.1 - Random NN [Seite 14]
3.1.4.2 - Deep NN [Seite 15]
3.1.4.3 - Convolutional NN [Seite 15]
3.1.4.4 - Recurrent NN [Seite 15]
3.1.5 - 1.1.5 Support Vector Machine (SVM) [Seite 16]
3.1.6 - 1.1.6 Bayes' Theory [Seite 16]
3.1.7 - 1.1.7 Hidden Markov Models (HMM) [Seite 18]
3.2 - 1.2 Unsupervised Learning [Seite 18]
3.2.1 - 1.2.1 k-Means [Seite 18]
3.2.2 - 1.2.2 Self-Organizing Map (SOM) [Seite 19]
3.3 - 1.3 Semi-supervised Learning [Seite 20]
3.4 - References [Seite 20]
4 - 2 Reinforcement Learning and Deep Reinforcement Learning [Seite 23]
4.1 - 2.1 Reinforcement Learning [Seite 23]
4.2 - 2.2 Deep Q-Learning [Seite 24]
4.3 - 2.3 Beyond Deep Q-Learning [Seite 25]
4.3.1 - 2.3.1 Double DQN [Seite 25]
4.3.2 - 2.3.2 Dueling DQN [Seite 26]
4.4 - References [Seite 26]
5 - 3 Deep Reinforcement Learning for Interference Alignment Wireless Networks [Seite 28]
5.1 - 3.1 Introduction [Seite 28]
5.2 - 3.2 System Model [Seite 30]
5.2.1 - 3.2.1 Interference Alignment [Seite 30]
5.2.2 - 3.2.2 Cache-Equipped Transmitters [Seite 31]
5.3 - 3.3 Problem Formulation [Seite 32]
5.3.1 - 3.3.1 Time-Varying IA-Based Channels [Seite 32]
5.3.2 - 3.3.2 Formulation of the Network's Optimization Problem [Seite 33]
5.3.2.1 - System State [Seite 34]
5.3.2.2 - System Action [Seite 35]
5.3.2.3 - Reward Function [Seite 35]
5.4 - 3.4 Simulation Results and Discussions [Seite 38]
5.4.1 - 3.4.1 TensorFlow [Seite 39]
5.4.2 - 3.4.2 Simulation Settings [Seite 40]
5.4.3 - 3.4.3 Simulation Results and Discussions [Seite 42]
5.5 - 3.5 Conclusions and Future Work [Seite 49]
5.6 - References [Seite 50]
6 - 4 Deep Reinforcement Learning for Mobile Social Networks [Seite 52]
6.1 - 4.1 Introduction [Seite 52]
6.1.1 - 4.1.1 Related Works [Seite 54]
6.1.2 - 4.1.2 Contributions [Seite 55]
6.2 - 4.2 System Model [Seite 56]
6.2.1 - 4.2.1 System Description [Seite 56]
6.2.2 - 4.2.2 Network Model [Seite 57]
6.2.3 - 4.2.3 Communication Model [Seite 58]
6.2.4 - 4.2.4 Cache Model [Seite 59]
6.2.5 - 4.2.5 Computing Model [Seite 60]
6.3 - 4.3 Social Trust Scheme with Uncertain Reasoning [Seite 61]
6.3.1 - 4.3.1 Trust Evaluation from Direct Observations [Seite 62]
6.3.2 - 4.3.2 Trust Evaluation from Indirect Observations [Seite 63]
6.3.2.1 - Belief Function [Seite 64]
6.3.2.2 - Dempster's Rule of Combining Belief Functions [Seite 65]
6.4 - 4.4 Problem Formulation [Seite 66]
6.4.1 - 4.4.1 System State [Seite 66]
6.4.2 - 4.4.2 System Action [Seite 67]
6.4.3 - 4.4.3 Reward Function [Seite 68]
6.5 - 4.5 Simulation Results and Discussions [Seite 69]
6.5.1 - 4.5.1 Simulation Settings [Seite 70]
6.5.2 - 4.5.2 Simulation Results [Seite 71]
6.6 - 4.6 Conclusions and Future Work [Seite 75]
6.7 - References [Seite 76]