文献

J-GLOBAL ID：201802244362360100   整理番号：18A1810104

ネットワーク最適化のための深層学習ベースのトラフィック予測【JST・京大機械翻訳】

Deep Learning-Based Traffic Prediction for Network Optimization

著者 (5件)： Troia Sebastian (Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Milan, 20133, Italy) ,  Alvizu Rodolfo (Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Milan, 20133, Italy) ,  Zhou Youduo (Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Milan, 20133, Italy) ,  Maier Guido (Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Milan, 20133, Italy) ,  Pattavina Achille (Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Milan, 20133, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICTON  ページ： 1-4  発行年： 2018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： 近年,研究者は,交通データセットの分析が,モバイルおよび計測コアネットワークの管理のための価値ある情報を明らかにすることができることを実現した。これは,モバイル機器へのソーシャルメディアとインターネットアプリケーションの利用の増加により,ますます多くのものになっている。本研究では,光バックボーンネットワークの資源割当を積極的に最適化することを可能にするトラヒック行列の予測を行うための深い学習法に焦点を当てた。再帰ニューラルネットワーク(RNNs)は,シーケンス予測問題のために設計されており,音声認識,手書き認識および時系列データの予測のようなタスクにおいて,過去数年において大きな結果を達成した。著者らは,大きな精度(平均絶対誤差の<7.4)を達成することができる,特定のタイプのRNN,Ged Recurent Unit(GRU)を研究した。次に,光ネットワークの資源を動的かつ積極的に割り当てるための予測を用いた。予測に基づく静的対動的配分の数値結果を比較して,著者らは,ネットワークにおける利用可能な容量の66.3%の節約を推定することができて,予想外のトラフィックピークを管理した。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： インターネット ,  携帯電話 ,  *交通予測 ,  *ネットワーク ,  ニューラルネットワーク ,  *予測 ,  基幹回線 ,  応用プログラム ,  *最適化 ,  資源割付 ,  *学習 ,  音声認識
準シソーラス用語： ソーシャルメディア ,  モバイルデバイス ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ネットワーク最適化 ,  深層学習 ,  トラフィック予測