文献

J-GLOBAL ID：201902286183134479   整理番号：19A0516299

事前情報誘導行列完備化による異常耐性トラヒック行列推定【JST・京大機械翻訳】

Anomaly-Tolerant Traffic Matrix Estimation via Prior Information Guided Matrix Completion

著者 (5件)： Ye Wencai (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Chen Lei (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Yang Geng (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Dai Hua (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Xiao Fu (School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 3172-3182  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  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： ネットワーク管理,計画,および最適化は正確で完全な交通測定に依存する。しかし,異常と欠落したデータは,高い測定コストと信頼できないネットワーク輸送プロトコルのため,直接交通測定において不可避である。既存の交通行列推定手法は異常値のみに関心を持ち,構造異常を無視し,それはしばしば推定精度を大幅に劣化させる。この挑戦に取り組むために,シミュレーションにより推定された交通行列と検出異常(SETMADA)と呼ばれる異常耐性トラフィック行列推定アプローチを提示した。トラヒック行列の事前の低ランク特性と時間特性を利用することによって,異常値と構造異常の共存におけるトラフィック行列推定を,異常値と構造異常がそれぞれL1ノルムとl2,1ノルムによってモデル化される優先情報誘導行列合成(PigMaC)問題として定式化した。さらに,マルチブロックADMMと確率的近位勾配降下を採用することによって,スケーラブルな並列最適化アルゴリズムPigMaC-ADMM-Sを,PigMaC問題を解決するために提案した。著者らの知る限りでは,SETMADAは,欠落したトラフィック行列を同時に推定し,異常値と構造異常を明示的に推定することができる最初のアプローチである。シミュレーション結果は,SETMADAが最先端のアルゴリズムと比較してより良い推定性能を達成することを実証した。加えて,SETMADAは異常値と構造異常の正確な局在化を提供し,それは大規模ネットワークにおける誤動作診断のための必要条件である。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： モデリング ,  定式化 ,  ノルム ,  ネットワーク管理 ,  最適化 ,  診断 ,  必要条件 ,  ネットワーク ,  計算機シミュレーション ,  アルゴリズム ,  *異常値
準シソーラス用語： 局在化 ,  最先端 ,  L1ノルム ,  推定精度 ,  *事前知識 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (6件)： 事前情報 ,  誘導 ,  行列 ,  耐性 ,  トラヒック ,  推定