文献

J-GLOBAL ID：202002283621473317   整理番号：20A0264175

深層学習を用いたネットワークトラヒック予測における属性情報の有用性の検討

Investigation of the Effect of Using Attribute Information in Network Traffic Prediction with Deep Learning

著者 (4件)： 徳山雄丈 (岡山大 大学院ヘルスシステム統合科学研究科) ,  福島行信 (岡山大 大学院自然科学研究科) ,  樽谷優弥 (岡山大 大学院ヘルスシステム統合科学研究科) ,  横平徳美 (岡山大 大学院ヘルスシステム統合科学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 297(NS2019 120-133)(Web)  ページ： 13-18 (WEB ONLY)  発行年： 2019年11月14日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ネットワーク事業者が設備投資やトラヒックエンジニアリングを適切に実施するためには,将来のトラヒック量を極力正確に予測することが重要である.従来,ネットワークトラヒックの予測法として,リカレントニューラルネットワーク(RNN)を用いた予測法(RNN法)が提案されている.RNN法は入力情報としてトラヒック量のみを用いており,トラヒックの属性情報(時刻や曜日など)は用いていない.しかし,トラヒック量は時刻や曜日に応じて周期的に変化する傾向を示すことから,入力情報としてトラヒック量に加えて時刻や曜日を用いることで予測精度をさらに向上させることが期待できる.そこで本研究では,RNN法において入力情報としてトラヒックの属性情報を用いることの有用性を調査する.実験の結果,時刻と曜日のいずれも予測精度の向上に有効であり,特に曜日が予測精度の向上に大きく寄与することが明らかとなった.(著者抄録)

シソーラス用語： *機械学習 ,  ニューラルネットワーク ,  *データ解析 ,  通信路容量 ,  ネットワーク ,  属性 ,  工学 ,  通信技術 ,  通信制御 ,  *神経回路網 ,  回帰モデル ,  精度 ,  *ネットワークトラヒック解析 ,  *リカレントニューラルネットワーク ,  *深層学習 ,  予測精度
準シソーラス用語： トラヒックエンジニアリング ,  属性情報

分類 (1件)： 通信理論一般  (ND02010V)

引用文献 (12件)：

• Cisco Visual Networking Index, https://www.cisco.com/c/ja_jp/solutions/collateral/service-provider/visual-networking-index-vni/white_paper_c11-520862.html
• P. Cortez, M. Rio, M. Rocha, and P. Sousa, “Multi-scale Internet traffic forecasting using neural networks and time series methods,” Expert Systems, Vol. 29, No. 2, pp. 143-155, May 2012.
• C. Chatfield and M. Yar, “Holt-Winters forecasting: some practical issues,” Journal of the Royal Statistical Society, Series D, Vol. 37, No. 2, pp. 129-140, 1988.
• P. J. Brockwell and R. A. Davis, “Introduction to time series and forecasting, 2nd edition,” Springer, 2002.
• A. Lapedes and R. Farber, “Non-linear signal processing using neural networks: prediction and system modeling,” Technical Report LA-UR-87-2662, Los Alamos National Laboratory, 1987.

タイトルに関連する用語 (4件)： 深層学習 ,  トラヒック予測 ,  属性情報 ,  有用性