文献

J-GLOBAL ID：202002231488960000   整理番号：20A0836956

ゲート付き再帰ユニットネットワークベースのセルラ・トラファイル予測【JST・京大機械翻訳】

Gated Recurrent Unit Network-based Cellular Trafile Prediction

著者 (4件)： Lens Shiang Edmund Pok (National Dong Hwa University,Department of Electrical Engineering,Hualien,Taiwan,R.O.C) ,  Chien Wei-Che (National Cheng Kung University,Department of Engineering Science,Tainan,Taiwan,R. O. C.) ,  Lai Chin-Fens (National Dong Hwa University,Department of Electrical Engineering,Hualien,Taiwan,R.O.C) ,  Chao Han-Chieh (National Cheng Kung University,Department of Engineering Science,Tainan,Taiwan,R. O. C.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICOIN  ページ： 471-476  発行年： 2020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： 5Gと大規模データの開発により,ネットワークトラフィックは年々増加している。効果的コンピューティング資源割当とネットワークトラフィック制御はますます重要な問題になっている。モバイルネットワークオペレータがまだ伝統的なトラフィック制御戦略と方法を使用するならば,それは重くて柔軟なトラフィックを処理することができず,高いパケット損失と低いサービス品質(QoS)を容易に導くことができる。ハードウェアデバイスの計算能力の改善により,ニューラルネットワークは多くの分野で広く使われてきた。長い短期メモリ(LSTM)ニューラルネットワークは,時系列データを解くための有名な方法の一つである。しかし,LSTMは通常,その内部構造のために多くの訓練時間と計算資源を費やす必要がある。モバイルネットワークにおいて,トラヒック予測はリアルタイム問題である。そこで,基地局のトラヒックを予測するために,Ged Recurent Unit(GRU)ベースのモデルを提案した。GrUは,更新ゲートを持つLSTMにおける忘れゲートと入力ゲートを置換し,セル状態と隠れ状態を結合してアーキテクチャの複雑さを低減した。シミュレーション結果は,提案したGRUベースのモデルにはLSTMより良いトラフィック予測性能があり,トレーニング時間を大いに減らすことができることを示している。Copyright 2020 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： 内部構造 ,  計算機アーキテクチャ ,  記憶装置 ,  オペレータ ,  ニューラルネットワーク ,  基地局 ,  交通予測 ,  資源割付 ,  ハードウェア ,  パケット損失 ,  *ネットワーク ,  シミュレーション
準シソーラス用語： モバイルネットワーク ,  トラヒック制御 ,  ネットワークトラフィック , 【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 (2件)： ゲート ,  予測