文献

J-GLOBAL ID：202002259679914009   整理番号：20A0856553

自己組織化セルラネットワークにおけるセル故障検出のための生成的敵対学習に基づくアプローチ【JST・京大機械翻訳】

A Generative Adversarial Learning-Based Approach for Cell Outage Detection in Self-Organizing Cellular Networks

著者 (3件)： Zhang Tao (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Zhu Kun (College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing, China) ,  Niyato Dusit (School of Computer Science and Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Wireless Communications Letters  (IEEE Wireless Communications Letters)
巻： 9  号： 2  ページ： 171-174  発行年： 2020年 
JST資料番号： W2307A  ISSN： 2162-2337  CODEN： IWCLAF  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： セルラネットワークの自動配置と管理を可能にするために,自己組織化ネットワーク(SON)を,ネットワーク性能を強化し,サービス品質を改善し,運用および資本支出を低減するために,強化した。セル故障検出は,ソフトウェアまたはハードウェア故障のどちらかにより,サービスを提供できないセルを自律的に検出するためのSONの必須機能である。機械学習はそのようなタスクのための有効なツールである。しかしながら,セル故障検出のための従来の分類アルゴリズムは,一つのクラスの訓練サンプルが他のクラスを著しく上回るとき,バイアス分類器を構築する可能性がある。本論文では,この問題を解決するために,一般的な付加的ネットワーク(GAN)とAdaBoostを組み合わせることにより,セルラネットワークにおける不均衡なセル停止データから学習することができる新しい方法を提案した。具体的には,提案した手法は,少数クラスのためのより多くのサンプルを合成することにより,非平衡データセットの分布を変化させるためにGANを利用し,次に,較正データセットを分類するためにAdaBoostを使用する。実験結果は,受信者動作特性(ROC),精度,再現率,およびF値を含むいくつかの計量に基づいて,不均衡なセル停止データに対する分類性能の著しい改善を示した。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： 設備投資 ,  *ネットワーク ,  非平衡状態 ,  機械学習 ,  ハードウェア障害 ,  *自己組織化 ,  バイアス ,  *学習 ,  ソフトウェア ,  *故障検出
準シソーラス用語： 再現率 ,  不均衡 ,  AdaBoost ,  分類アルゴリズム ,  *セルラーネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  通信理論一般  (ND02010V)

タイトルに関連する用語 (6件)： 自己組織化 ,  セルラネットワーク ,  セル ,  故障検出 ,  敵対 ,  学習