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。
5G解を実行するための固体とフォワードの学習基礎を作るために,バッチと実時間データ処理のサポートの欠如,適応機械学習,不均一データ源のサポート,および出現する解決のフラグメンテーションなどの現在のネットワーク管理ツールのソフトウェアアーキテクチャの限界を扱う必要がある。これらの限界に対処するために,本論文は拡張ラムダアーキテクチャ(ELA)を紹介した。それは,共有知識(MAPE-K)ループ上の単純な単一分析-計画-実行における適応機械学習とバッチおよび実時間データ処理を組み合わせることにより,新しいネットワーク管理ツールのための統一的アーキテクチャフレームワークの設計に対するagと連続学習に基づく意思決定支援に焦点を合わせた。このアーキテクチャを用いる利点を,シミュレーションした5Gネットワークにおけるセル出力の検出と補償のための信頼性のあるプロアクティブなツールの証明概念(PoC)実装を用いて評価した。Copyright 2019 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】