文献

J-GLOBAL ID：201702239146688111   整理番号：17A1347228

モバイル無線ネットワークにおけるユーザ活動の解析とユーザ異常検出のためのビッグデータ分析論【Powered by NICT】

Big Data Analytics for User-Activity Analysis and User-Anomaly Detection in Mobile Wireless Network

著者 (3件)： Parwez Md Salik (Department of Electrical Engineering and Computer Science, Howard University, Washington, DC, USA) ,  Rawat Danda B. (Department of Electrical Engineering and Computer Science, Howard University, Washington, DC, USA) ,  Garuba Moses (Department of Electrical Engineering and Computer Science, Howard University, Washington, DC, USA)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 13  号： 4  ページ： 2058-2065  発行年： 2017年 
JST資料番号： W1434A  ISSN： 1551-3203  CODEN： ITIICH  資料種別： 逐次刊行物 (A)
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： 次世代無線ネットワークは,急成長している容量需要を満たすために完全自動化様式で作動し,経験の優れた品質をユーザに役立つと期待される。モバイル無線ネットワークは,エンドツーエンド可視性と知能システムを埋め込むためのユーザとネットワーク条件に関する時空間情報を利用することができる。ビッグデータ分析は,意味のある洞察を発掘し,機械学習ツールの助けを借りて,人工知能モデルを構築するための有望な方法として出現した。前述のツールと技法を利用して,本論文では,二つの方法で寄与する。最初に,モバイルネットワークデータ(ビッグデータ) on call詳細記録は,移動無線ネットワークの異常な挙動を解析するために利用した。異常検出目的のために,著者らは非監視クラスタリング技術すなわちk-平均クラスタ化と階層的クラスタリング用いた。検出した異常を比較グランドトルース情報とその正当性を検証した。比較解析から,ネットワークは任意の場所と時間で急激に高(異常な)交通需要を経験したときに,異常としてそれを同定することを観測した。これは,資源配分,故障回避溶液などのような特殊な作用のためのネットワーク内の関心領域を同定するのに役立つ。第二に,異常と異常のないデータとニューラルネットワークに基づく予測モデルを訓練訓練/ビルインテリジェントモデルデータにおける異常の影響を明らかにした。この相では,異常データ異常のないを変換し,予測,異常のないデータとモデルの訓練が誤差を大幅に減少しているモデルは,異常データで訓練した場合と比較して観察した。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： 故障 ,  人工知能 ,  品質 ,  *ネットワーク ,  エンドツーエンド方式 ,  *携帯電話 ,  交通需要 ,  ニューラルネットワーク ,  クラスタ化 ,  資源割付 ,  予測モデル
準シソーラス用語： 関心領域 ,  *ビッグデータ ,  *異常検出 ,  *無線ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H)

タイトルに関連する用語 (7件)： モバイル ,  無線ネットワーク ,  活動 ,  解析 ,  異常検出 ,  ビッグデータ ,  分析論