文献

J-GLOBAL ID：201702227975814196   整理番号：17A1835211

適応通信網のアルゴリズムデータ駆動最適化【Powered by NICT】

Algorithm-data driven optimization of adaptive communication networks

著者 (5件)： He Mu (Technical University of Munich, Germany) ,  Kalmbach Patrick (Technical University of Munich, Germany) ,  Blenk Andreas (Technical University of Munich, Germany) ,  Kellerer Wolfgang (Technical University of Munich, Germany) ,  Schmid Stefan (Aalborg University, Denmark)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICNP  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,通信網の自動化とデータ駆動型最適化の新たなビジョンによって動機づけられ,最新のネットワーク技術によって提供される柔軟性を十分に利用を可能にする,高速かつ自己調整ネットワークの時代に先駆けである。過去におけるネットワークアルゴリズムにより得られたデータをもとに資源配分を最適化(静的)のための機械学習研究法の著者らの最近の研究を構築した。動的シナリオを考慮して本研究を重要な段階さらに:通信パターンが時間と共に変化するシナリオ。特に,トラヒック分布(特徴ベクトル)から学習するネットワークアルゴリズムを調べ,グローバルネットワーク配分(マルチラベル問題)を予測するために。事例研究として,ソフトウェア定義ネットワークに発生したよく研究されているfcメディアン問題,および既存の発見的方法を模倣し高速化すると同様に局所探索アルゴリズムのための良好な初期解を予測する目的を考察した。異なる機械学習アルゴリズムを比較するシミュレーションおよびニューラルネットワークが最良の抽象化を提供し,アルゴリズム実行時間の二三までを節約できることが分かった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 発見的方法 ,  ニューラルネットワーク ,  事例研究 ,  *アルゴリズム ,  資源割付 ,  自動化 ,  *通信 ,  機械学習 ,  *最適化 ,  *通信網 ,  ネットワーク ,  高速度 ,  学習アルゴリズム
準シソーラス用語： ネットワークアルゴリズム ,  *データ駆動 , 【Automatic Indexing@JST】

分類 (2件)： 通信網  (ND07030A) ,  生産形態  (KB03020E)

タイトルに関連する用語 (4件)： 適応 ,  アルゴリズム ,  データ駆動 ,  最適化