文献

J-GLOBAL ID：202002235965201824   整理番号：20A2444124

機械学習に基づく最適VNF展開【JST・京大機械翻訳】

Machine Learning-based Optimal VNF Deployment

著者 (6件)： Park Suhyun (Computer Science and Engineering, Pohang University of Science and Technology,Pohang,South Korea) ,  Kim Hee-Gon (Computer Science and Engineering, Pohang University of Science and Technology,Pohang,South Korea) ,  Hong Jibum (Computer Science and Engineering, Pohang University of Science and Technology,Pohang,South Korea) ,  Lange Stanislav (Information Security and Communication Technology, Norwegian University of Science and Technology,Trondheim,Norway) ,  Yoo Jae-Hyoung (Computer Science and Engineering, Pohang University of Science and Technology,Pohang,South Korea) ,  Hong James Won-Ki (Computer Science and Engineering, Pohang University of Science and Technology,Pohang,South Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： APNOMS  ページ： 67-72  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： ネットワーク機能仮想化(NFV)環境は,仮想化ネットワーク機能(VNF)の適切な展開とスケーリングによって,交通状況の動的変化を扱うことができる。しかし,サービス(QoS)のコストと品質を考慮した最適VNF展開の決定と適用は複雑で困難なタスクである。特に,展開決定を実際のNFV環境に展開決定に適用するので,展開決定を適用するとき,将来の点における状況を予測する必要がある。本論文では,マルチアクセスEdgeコンピューティング(MEC)トポロジーにおけるサービス要求をランダムに作り,次に,整数線形計画法(ILP)解から最適VNF配置とサービス機能連鎖(SFC)結果を得る。シミュレーションデータを用いて,あらかじめ定義された将来の点における最適VNF展開を予測する機械学習モデルを訓練した。予測モデルは,5分間の将来の時点のILP溶液と比較して90%以上の精度を示した。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： 位相幾何学 ,  シミュレーション ,  整数線形計画法 ,  ネットワーク ,  *機械学習 ,  予測モデル
準シソーラス用語： 仮想化 ,  交通状況 , 【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)： 機械学習 ,  展開