Key points are not available for this paper at this time.
Resumo: As redes 5G são essenciais em todos os locais devido à multitude de vantagens que oferecem. Como resultado, o número de usuários aumentou drasticamente. No entanto, esses usuários precisam de uma variedade de recursos para funcionar de forma eficiente. Técnicas de aprendizado profundo foram criadas para melhorar a precisão e a confiabilidade da alocação de recursos no contexto das redes 5G. Esta pesquisa utiliza uma rede neural recorrente eficiente (ERNN) para gerenciar a alocação de recursos para multiusuário (MU) - múltiplo de entrada múltiplo de saída (MIMO) massivo. Para otimizar as funções objetivas, é aplicada a primeira vez o algoritmo de avaliação diferencial de múltiplos objetivos (MODEA). A rede neural recebe essas funções de objetivo atualizadas para alocar recursos. A ERNN avalia o nível de necessidade de cada usuário individual. Ao particionar o recurso nesse nível, mantém um alto throughput enquanto o distribui para cada usuário. Além disso, o índice de equidade do sistema de distribuição de recursos baseado em redes neurais é estabelecido. O método sugerido alcança uma taxa de transferência de dados de 290 bits por segundo (bps) e um índice de equidade de 0,97% quando utilizado por 50 usuários. Os resultados do método proposto exibem desempenho superior em comparação a outros métodos existentes no campo do MIMO massivo 5G.
Rani et al. (Sat,) estudaram essa questão.