| Title: |
Upper-Confidence Bound for Channel Selection in LPWA Networks with Retransmissions ; Stratégies de Bornes Supérieures de Confiances pour la Sélection de Canaux dans des Réseaux LPWA avec Retransmissions |
| Authors: |
Bonnefoi, Remi; Besson, Lilian; Manco-Vasquez, Julio; Moy, Christophe |
| Contributors: |
Institut d'Électronique et des Technologies du numéRique (IETR); Université de Nantes (UN)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes); Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS); SUPELEC-Campus Rennes; Ecole Supérieure d'Electricité - SUPELEC (FRANCE); Signal, Communication et Electronique Embarquée (SCEE); Institut d'Electronique et de Télécommunications de Rennes (IETR); Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes); Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Ecole Supérieure d'Electricité - SUPELEC (FRANCE)-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes); Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Ecole Supérieure d'Electricité - SUPELEC (FRANCE)-Centre National de la Recherche Scientifique (CNRS); CentraleSupélec; Sequential Learning (SEQUEL); Centre Inria de l'Université de Lille; Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL); Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS); Université de Rennes (UR); Ministry of Higher Education and Research, Brittany and Rennes Métropole, through the CPERProject SOPHIE / STIC & Ondes; Philippe Mary, Samir Perlaza, Petar Popovski; ANR-14-CE28-0025,SOGREEN,Réseau électrique intelligent pour l'amélioration de l'efficacité énergétique des réseaux cellulaires(2014); ANR-16-CE25-0002,EPHYL,Amélioration des formes d'onde des réseaux cellulaires basse puissance pour l'internet des objets(2016); European Project: ERDF |
| Source: |
The 1st International Workshop on Mathematical Tools and technologies for IoT and mMTC Networks Modeling ; https://inria.hal.science/hal-02049824 ; The 1st International Workshop on Mathematical Tools and technologies for IoT and mMTC Networks Modeling, Philippe Mary, Samir Perlaza, Petar Popovski, Apr 2019, Marrakech, Morocco ; https://sites.google.com/view/wcncworkshop-motion2019/ |
| Publisher Information: |
CCSD |
| Publication Year: |
2019 |
| Collection: |
Université de Nantes: HAL-UNIV-NANTES |
| Subject Terms: |
Upper-Confident Bound; Index Terms-Low Power Wide Area; Internet of Things; Multi-Armed Bandits; retransmissions; [INFO.INFO-NI]Computer Science [cs]/Networking and Internet Architecture [cs.NI] |
| Subject Geographic: |
Marrakech; Morocco |
| Description: |
The source code (MATLAB or Octave) used for the simula-tions and the figures is open-sourced under the MIT License, atBitbucket.org/scee_ietr/ucb_smart_retrans ; International audience ; In this paper, we propose and evaluate different learning strategies based on Multi-Arm Bandit (MAB) algorithms. They allow Internet of Things (IoT) devices to improve their access to the network and their autonomy, while taking into account the impact of encountered radio collisions. For that end, several heuristics employing Upper-Confident Bound (UCB) algorithms are examined, to explore the contextual information provided by the number of retransmissions. Our results show that approaches based on UCB obtain a significant improvement in terms of successful transmission probabilities. Furthermore, it also reveals that a pure UCB channel access is as efficient as more sophisticated learning strategies. ; Dans cet article, nous proposons et évaluons différentes stratégies d'apprentissage basées sur les algorithmes MAB (bandit multi-bras). Ils permettent aux appareils des futurs réseaux de l'Internet des Objets (IoT) d'améliorer leur accès au réseau et leur autonomie, tout en tenant compte de l'impact des collisions radio rencontrées. Pour ce faire, plusieurs heuristiques utilisant des algorithmes des Bornes Supérieures de Confiance (UCB) sont examinées, afin d'explorer les informations contextuelles fournies par le nombre de retransmissions. Nos résultats montrent que les approches basées sur UCB obtiennent une amélioration significative en termes de probabilités de transmission réussie. En outre, elle révèle également qu'un accès aux canaux basé sur la stratégie UCB la plus simple est aussi efficace que des stratégies d'apprentissage plus sophistiquées. |
| Document Type: |
conference object |
| Language: |
English |
| Relation: |
info:eu-repo/semantics/altIdentifier/arxiv/1902.10615; ARXIV: 1902.10615 |
| Availability: |
https://inria.hal.science/hal-02049824; https://inria.hal.science/hal-02049824v2/document; https://inria.hal.science/hal-02049824v2/file/IEEE_WCNC__2019__Paper__BMBM.pdf |
| Rights: |
info:eu-repo/semantics/OpenAccess |
| Accession Number: |
edsbas.887FC5DE |
| Database: |
BASE |