Zastosowanie uczenia maszynowego w lokalnych sieciach bezprzewodowych

• Autorzy: Szott Szymon

Identyfikatory

DOI

10.15199/59.2023.4.1

Warianty tytułu

EN

Application of machine learning in wireless local area networks

• Konferencja: Konferencja Radiokomunikacji i Teleinformatyki (20-22.09.2023 ; Kraków, Polska)
• Języki publikacji: PL

Abstrakty

PL

Pomocą w rozwiązaniu wyzwań stojących przed kolejnymi generacjami lokalnych sieci bezprzewodowych mogą okazać się metody oparte na uczeniu maszynowym (machine learning, ML). Celem niniejszego referatu jest przybliżenie tematyki zastosowania ML do poprawy wydajności sieci IEEE 802.11. Przedstawiono rodzaje uczenia maszynowego oraz przykłady zastosowań w sieciach Wi-Fi. Opisano działalność grupy IEEE 802.11 AIML TIG oraz wyznaczono przyszłe kierunki badań.

EN

Methods based on machine learning (ML) can prove to be helpful in addressing the challenges faced by future generations of wireless local area networks. The aim of this paper is to provide an overview of the application of ML to improve the performance of IEEE 802.11 networks. Various types of machine learning and examples of their applications in Wi-Fi networks are presented. The activities of the IEEE 802.11 AIML TIG are described and future research directions are outlined.

Słowa kluczowe

PL

IEEE 802.11; lokalne sieci bezprzewodowe; uczenie maszynowe; Wi-Fi

EN

IEEE 802.11; wireless networks; machine learning; Wi-Fi

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2023
• Tom: nr 4
• Strony: 7--14
• Opis fizyczny: Bibliogr. 30 poz., rys., tab.

Twórcy

autor

Szott Szymon

• AGH Akademia Górniczo-Hutnicza, Kraków

Bibliografia

• [1] Ansley, Carol i inni. „802.11bc Functional Requirements Document.” IEEE 802.11 September 2022 Interim Meeting. Dostęp 17 czerwca 2023. https://mentor.ieee.org/802.11/dcn/19/11-19-0151-05- -00bc-802-11bc-functional-requirements-document.doc.
• [2] Bellalta, Boris, Szymon Szott. 2022. „Wi-Fi Meets ML: Re-thinking Next Generation Wi-Fi Networks.” IEEE 802.11 November 2022 Plenary Meeting. Dostęp 17 czerwca 2023. https://mentor.ieee.org/802.11/dcn/22/11-22-1784-01-0000-wi-fi-meets-ml-re-thinking-next-generation-wi-fi-networks-nov-tutorial.pptx.
• [3] Berry, Michael W., Azlinah Mohamed, Bee Wah Yap. 2019. „Supervised and unsupervised learning for data science”. Springer Nature.
• [4] Bojovic, Biljana, Nicola Baldo, Jaume Nin-Guerrero, Paolo Dini. 2011. „A supervised learning approach to cognitive access point selection.” 2011 IEEE GLOBECOM Workshops (GC Wkshps).
• [5] Ciezobka, Wojciech, Maksymilian Wojnar, Katarzyna Kosek-Szott, Szymon Szott, Krzysztof Rusek. 2023. „FTMRate: Collision-Immune Distance-based Data Rate Selection for IEEE 802.11 Networks.” 24th IEEE International Symposium on a World of Wireless, Mobile and Multimedia Networks (WoWMoM).
• [6] Deshmukh, Mrugen, Mahmoud Kamel, Zinan Lin, Rui Yang, Hanqing Lou, Ismail Güvenç. 2022. „Intelligent Feedback Overhead Reduction (iFOR) in Wi-Fi 7 and Beyond.” 2022 IEEE 95th Vehicular Technology Conference (VTC2022-Spring).
• [7] Hoydis, Jakob, Fayçal Ait Aoudia, Alvaro Valcarce, Harish Viswanathan. 2021. „Toward a 6G AI-native air interface.” IEEE Communications Magazine 59, no. 5:76-81.
• [8] IEEE. 2020. „IEEE Standard for Information Technology--Telecommunications and Information Exchange between Systems - Local and Metropolitan Area Networks--Specific Requirements - Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications.” IEEE Std 802.11-2020 (Revision of IEEE Std 802.11-2016).
• [9] IEEE. 2022. „IEEE 802.11 Overview and Amendments under development”. Dostęp 17 czerwca 2023. https://ieee802.org/11/ IEEE%20802-11-Overview-and-Amendments-Under-Development. pptx.
• [10] Kosek-Szott, Katarzyna, Szymon Szott, Falko Dressler. 2022. „Improving IEEE 802.11ax UORA Performance: Comparison of Reinforcement Learning and Heuristic Approaches.” IEEE Access 10: 120285-120295.
• [11] Kotagiri, Dheeraj, Koichi Nihei, Tansheng Li. 2021. „Distributed convolutional deep reinforcement learning based OFDMA MAC for 802.11ax.” ICC 2021-IEEE International Conference on Communications.
• [12] McCann, Stephen. 2022. „May 2022 Working Group Motions.” IEEE 802.11 May 2022 Interim Meeting. Dostęp 17 czerwca 2023. https://mentor.ieee.org/802.11/dcn/22/11-22-0597-03-0000-may2022-working-group-motions.pptx.
• [13] Natkaniec, Marek, Katarzyna Kosek-Szott, Szymon Szott, Giuseppe Bianchi. 2012. „A survey of medium access mechanisms for providing QoS in ad-hoc networks.” IEEE Communications Surveys & Tutorials 15, 2:592-620.
• [14] Nguyen, Cong T., Nguyen Van Huynh, Nam H. Chu, Yuris Mulya Saputra, Dinh Thai Hoang, Diep N. Nguyen, Quoc-Viet Pham, Dusit Niyato, Eryk Dutkiewicz, Won-Joo Hwang. 2021. „Transfer learning for future wireless networks: A comprehensive survey.” arXiv preprint arXiv:2102.07572.
• [15] Nishio, Takayuki, Hironao Okamoto, Kota Nakashima, Yusuke Koda, Koji Yamamoto, Masahiro Morikura, Yusuke Asai, Ryo Miyatake. 2019. „Proactive received power prediction using machine learning and depth images for mmWave networks.” IEEE Journal on Selected Areas in Communications 37, no. 11: 2413-2427.
• [16] Olbrich, Michael, Anatolij Zubow, Sven Zehl, Adam Wolisz. 2017. „WiPlus: Towards LTE-U interference detection, assessment and mitigation in 802.11 networks.” European Wireless 2017; 23th European Wireless Conference.
• [17] Pateria, Shubham, Budhitama Subagdja, Ah-hwee Tan, and Chai Quek. 2021. „Hierarchical reinforcement learning: A comprehensive survey.” ACM Computing Surveys (CSUR) 54, no. 5: 1-35.
• [18] Stanley, Dorothy. 2023. „2023 May Working Group Chair Opening Report.” IEEE 802.11 May 2023 Interim Meeting. Dostęp 17 czerwca 2023. https://mentor.ieee.org/802.11/dcn/23/11-23-0619-01- 0000-2023-may-working-group-chair-opening-report.pptx.
• [19] Sutton, Richard S., Andrew G. Barto. 2018. „Reinforcement learning: An introduction”. MIT Press.
• [20] Szott, Szymon, Katarzyna Kosek-Szott, Piotr Gawłowicz, Jorge Torres Gómez, Boris Bellalta, Anatolij Zubow, Falko Dressler. 2022. „Wi-Fi meets ML: A survey on improving IEEE 802.11 performance with machine learning.” IEEE Communications Surveys & Tutorials 24, no. 3: 1843-1893.
• [21] Szott, Szymon, Katarzyna Kosek-Szott, Piotr Gawłowicz, Jorge Torres Gómez, Boris Bellalta, Anatolij Zubow, Falko Dressler. 2022. „Applying ML to 802.11: Current Research and Emerging Use Cases.” IEEE 802.11 July 2022 Plenary Meeting. Dostęp 17 czerwca 2023. https://mentor.ieee.org/802.11/dcn/22/11-22-0979-01- aiml-applying-ml-to-802-11-current-research-and-emerging-usecases.pptx.
• [22] Szott, Szymon, Katarzyna Kosek-Szott, Boris Bellalta. 2023. „Proposed IEEE 802.11 AIML TIG Technical Report Text for the Multi-AP Coordination Use Case”. IEEE 802.11 July 2022 Plenary Meeting. Dostęp 17 czerwca 2023. https://mentor.ieee.org/802.11/dcn/23/11-23-0227-04-aiml-proposed-ieee-802-11-aiml-tig-technical-report-text-for-the-multi-ap-coordination-usecase.docx.
• [23] Verma, Shikhar, Tiago Koketsu Rodrigues, Yuichi Kawamoto, Nei Kato. 2023. „A Survey on Multi-AP Coordination Approaches over Emerging WLANs: Future Directions and Open Challenges.” arXiv preprint arXiv:2306.04164.
• [24] Wang, Jingjing, Chunxiao Jiang, Haijun Zhang, Yong Ren, Kwang- -Cheng Chen, and Lajos Hanzo. 2020. „Thirty years of machine learning: The road to Pareto-optimal wireless networks.” IEEE Communications Surveys & Tutorials 22, no. 3: 1472-1514.
• [25] Wang, Xiaofei i inni. 2023. „AIML TIG Technical Report Draft”. IEEE 802.11 May 2023 Interim Meeting. Dostęp 17 czerwca 2023. https://mentor.ieee.org/802.11/dcn/22/11-22-0987-07-aiml-aimltig-technical-report-draft.doc.
• [26] Wang, Zhou, Xuming Fang, Li Yan, Rong He, Yan Long. 2021. „Intelligent hybrid automatic repeat request retransmission for multi‐band Wi‐Fi networks.” IET Communications 15, no. 9: 1249- 1258.
• [27] Wi-Fi Alliance. 2023. „Wi-Fi® by the numbers: Technology momentum in 2023”. Dostęp 17 czerwca 2023. https://www.wi-fi.org/beacon/ the-beacon/wi-fi-by-the-numbers-technology-momentum-in-2023.
• [28] Wojnar, Maksymilian, Wojciech Ciężobka. 2023. „Zastosowanie algorytmów wielorękich bandytów do wyboru szybkości transmisji w sieciach IEEE 802.11ax”. Konferencja Radiokomunikacji i Teleinformatyki KRiT 2023, Kraków, 20-22.09.2023.
• [29] Wydmański, Witold, Szymon Szott. „Contention window optimization in IEEE 802.11ax networks with deep reinforcement learning.” 2021 IEEE Wireless Communications and Networking Conference (WCNC).
• [30] Zhang, Chen, Yu Xie, Hang Bai, Bin Yu, Weihong Li, and Yuan Gao. 2021. „A survey on federated learning.” Knowledge-Based Systems 216: 106775.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).