文献

J-GLOBAL ID：201802228263794651   整理番号：18A2022559

SDNによるIP/光ネットワークのための機械学習の2つの使用事例:トラヒック行列予測と光路性能予測[招待]【JST・京大機械翻訳】

Two use cases of machine learning for SDN-enabled ip/optical networks: traffic matrix prediction and optical path performance prediction [Invited]

著者 (4件)： Choudhury Gagan (AT&T Labs at 200 S. Laurel Ave, Middletown, New Jersey 07748, USA) ,  Lynch David (AT&T Labs at 200 S. Laurel Ave, Middletown, New Jersey 07748, USA) ,  Thakur Gaurav (AT&T Labs at 200 S. Laurel Ave, Middletown, New Jersey 07748, USA) ,  Tse Simon (AT&T Labs at 200 S. Laurel Ave, Middletown, New Jersey 07748, USA)
資料名： Journal of Optical Communications and Networking  (Journal of Optical Communications and Networking)
巻： 10  号： 10  ページ： D52-D62  発行年： 2018年 
JST資料番号： W2269A  ISSN： 1943-0620  CODEN： JOCNBB  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： インターネットプロトコル(IP)/光ネットワークのコンテキストにおける機械学習の2つの応用について述べた。最初のものは,交通流の短期的長期予測のための機械学習を用いることにより,コアIP/Opticalネットワークにおける資源のagemanを可能にする。また,それは,無色/無方向(CD)再構成可能な光アドドロップ多重装置(ROADMs)を用いて,IPと光学層の共同グローバル最適化を可能にした。多層協調により,著しいコスト節約,動的容量要求を満たすための柔軟な新しいサービス,および新しいトラヒックパターンとネットワーク条件に積極的に適応できるロバスト性の改善が可能になる。第二のアプリケーションは,光パラメータの詳細な知識を必要とせずに,物理的ルーティングを可能にするために,我々のネットワークをオープンROADMネットワークに移動させるので重要である。既存のROADMネットワークにおける確立された波長に対する詳細な性能データを機械学習に用いて各波長の光学性能を予測する概念実証研究を検討した。両方の応用はソフトウェア定義ネットワーク制御装置を用いて効率的に実装できる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  *予測 ,  無色 ,  波長 ,  経路選定 ,  光学的性質 ,  制御装置 ,  交通流 ,  *ネットワーク ,  多層 ,  *機械学習 ,  応用プログラム
準シソーラス用語： ROADM ,  IP【プロトコル】 ,  *光ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 光通信方式・機器  (ND10000B)

タイトルに関連する用語 (9件)： SDN ,  IP ,  光ネットワーク ,  機械学習 ,  トラヒック ,  行列 ,  予測 ,  光路 ,  性能予測