抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大規模セルラネットワークを管理し,維持するために,演算子は,任意の与えられた時間でunderperformする部門を知る必要がある。この目的のために,いわゆるホットスポットスコア,これは複数のネットワーク測定の組合せの結果であり,個々の部門の瞬間的全体性能を反映を使用した。オペレータはネットワークとその全体的な傾向の現在の性能の良好な理解を持っているが,経時的に各部門の性能を予測する挑戦的な仕事であり,それは,定期的及び非定期的事象,人間行動とハードウエア故障により誘発されたによって影響される。本論文では,ホットスポットスコアの空間的-時間的パターンを研究し,その規則性を明らかにする。我々の観察に基づいて,将来のホットスポットを予測するための最近の測定の歴史を使用する可能性を調べた。この目的のために,ツリーに基づく機械学習モデルを考察し,時間の関数,過去のデータの量,および予測範囲としてのそれらの性能を調べた。著者らの結果は,最良のベースラインと比較して,ツリーに基づくモデルは規則的なホットスポットと非ホットスポットの153%良好な予測に対して14%まで良好な予測を与えることができることを示した。後者は,中程度の層のための,予測を分離し,不規則挙動を示す部門からでも対象となるという強力な証拠をもたらした。全体として,著者らの研究は,細胞部門とその予測可能性の動力学への洞察を提供した。はまた,より大きな予測地平を持つより積極的なネットワーク運用のための道を開くものである。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】