文献

J-GLOBAL ID：201902237331412396   整理番号：19A1963144

モバイルブロードバンドネットワークにおけるエンドユーザ測定からのダウンリンクスループットの推定【JST・京大機械翻訳】

Estimating Downlink Throughput from End-user Measurements in Mobile Broadband Networks

著者 (5件)： Kousias Konstantinos (Simula Research Laboratory, Oslo, Norway) ,  Alay Ozgu (Simula Metropolitan Center of Digital Engineering, Oslo, Norway) ,  Argyriou Antonios (University of Thessaly, Volos, Greece) ,  Lutu Andra (Telefonica Research, Barcelona, Spain) ,  Riegler Michael (Simula Metropolitan Center of Digital Engineering, Oslo, Norway)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： WoWMoM  ページ： 1-10  発行年： 2019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,Mobile Broadband(MBB)ネットワークにおけるダウンリンク(DL)スループット推定は莫大な人気を得ており,今後の第5世代(5G)システムの重要な構成要素となることが期待されている。豊富な適応ビデオストリーミングアルゴリズムは,それらの機構を適応させ,エンドユーザへの高品質サービス(QoS)を保証するために,正確なDLスループット予測に大いに依存する。従って,従来のDLスループット推定手法は,速度試験としても知られており,割り当てられた時間継続時間に対してネットワーク上でのTCPトラフィックの広範な交換を必要とする。そのようなツールは信頼できる結果を提供するように見えるが,限られたデータ計画によるモバイル加入者が従事するとき,それらは非効率的であることが分かった。本論文では,非常に正確な予測を行うことを目的としたDLスループット推定のための教師付き機械学習(ML)解を提案した。著者らは,混雑と制御された試験方法論の両方を調査することによって,ネットワーク性能計量を獲得した。著者らは,RTR-NetTestを活用し,放送と電気通信(RTR)のためのオーストリア規制局によって提供されたブロードバンド測定のプラットフォーム,およびMONROE-NetTest,欧州(Monoe)における測定移動帯域ネットワークのトップにおけるサービス(EAAs)として構築された。結果は,著者らの解法がデータ消費の観点で39.7%の減少を達成することができることを明らかにし,一方,5.55%のMedian Ab溶質 Percentage誤差(MDAPE)を提供した。さらに,精度は,例えば,20%のMDAPEに対して,95.15%の著しいデータ消費削減を達成できることを示した。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】

シソーラス用語： 周波数帯 ,  *スループット ,  *広帯域 ,  予測 ,  ヨーロッパ ,  *携帯電話 ,  *ネットワーク ,  オーストリア共和国 ,  継続時間 ,  溶質
準シソーラス用語： 高品質 ,  第5世代移動通信システム ,  *ダウンリンク ,  *エンドユーザ ,  *ブロードバンドネットワーク , 【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 (4件)： モバイル ,  ブロードバンドネットワーク ,  エンドユーザ ,  推定