NAGIOS: RODERIC FUNCIONANDO

Distributed channel prediction for multi-agent systems

Repositori DSpace/Manakin

IMPORTANT: Aquest repositori està en una versió antiga des del 3/12/2023. La nova instal.lació está en https://roderic.uv.es/

Distributed channel prediction for multi-agent systems

dc.contributor.author	Chowdappa, Vinay-Prasad
dc.contributor.author	Fröhle, Markus
dc.contributor.author	Wymeersch, Henk
dc.contributor.author	Botella Mascarell, Carmen
dc.date.accessioned	2021-08-23T08:35:18Z
dc.date.available	2021-08-24T04:45:06Z
dc.date.issued	2017	es_ES
dc.identifier.citation	V. Chowdappa, M. Frohöle, H. Wymeersch and C. Botella, "Distributed channel prediction for multi-agent systems," 2017 IEEE International Conference on Communications (ICC), 2017, pp. 1-6.	es_ES
dc.identifier.uri	https://hdl.handle.net/10550/80125
dc.description.abstract	Multi-agent systems (MAS) communicate over a wireless network to coordinate their actions and to report their mission status. Connectivity and system-level performance can be improved by channel gain prediction. We present a distributed Gaussian process regression (GPR) framework for channel prediction in terms of the received power in MAS. The framework combines a Bayesian committee machine with an average consensus scheme, thus distributing not only the memory, but also computational and communication loads. Through Monte Carlo simulations, we demonstrate the performance of the proposed GPR.	en_US
dc.description.abstract	Los sistemas multiagente (MAS) se comunican a través de una red inalámbrica para coordinar sus acciones e informar sobre el estado de su misión. La conectividad y el rendimiento del sistema pueden mejorarse mediante la predicción de la ganancia del canal. Presentamos un esquema basado en regresión de procesos gaussianos (GPR) distribuidos para predecir el canal inalámbrico en términos de la potencia recibida en el MAS. El esquema combina una máquina de comité bayesiano con un esquema de consenso medio, distribuyendo así no sólo la memoria sino también la carga computacional y de comunicación. A través de simulaciones de Monte Carlo, demostramos el rendimiento del GPR propuesto.	es_ES
dc.language.iso	en_US	es_ES
dc.subject	multi-agent systems	es_ES
dc.subject	gaussian process regression	es_ES
dc.subject	Bayesian committee machine	es_ES
dc.subject	average consensus scheme	es_ES
dc.title	Distributed channel prediction for multi-agent systems	es_ES
dc.type	journal article	es_ES
dc.subject.unesco	UNESCO::CIENCIAS TECNOLÓGICAS	es_ES
dc.identifier.doi	10.1109/ICC.2017.7997044	es_ES
dc.accrualmethod	-	es_ES
dc.embargo.terms	0 days	es_ES
dc.relation.projectID	RACHEL TEC2013-47141-C4-4-R	es_ES