文献

J-GLOBAL ID：202002265788365569   整理番号：20A0811087

DeDeCog: AIベースの容量予測によるネットワークスライシングにおける資源提供の最適化【JST・京大機械翻訳】

DeepCog: Optimizing Resource Provisioning in Network Slicing With AI-Based Capacity Forecasting

著者 (5件)： Bega Dario (IMDEA Networks Institute, Legane ́s, Spain) ,  Gramaglia Marco (Telematic Engineering Department, University Carlos III of Madrid, Legane ́s, Spain) ,  Fiore Marco (CNR, Torino, Italy) ,  Banchs Albert (IMDEA Networks Institute, Legane ́s, Spain) ,  Costa-Perez Xavier (NEC Laboratories Europe, Heidelberg, Germany)
資料名： IEEE Journal on Selected Areas in Communications  (IEEE Journal on Selected Areas in Communications)
巻： 38  号： 2  ページ： 361-376  発行年： 2020年 
JST資料番号： A0908B  ISSN： 0733-8716  CODEN： ISACEM  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： ネットワーク資源の動的管理は,将来の時変サービス要求を収容するために,個々のネットワークスライスに対する割り当て能力を必要とする,来るべきなマルチテナントモバイルネットワークにおける重要で挑戦的なタスクである。このような予想される資源構成プロセスは,ネットワーク容量,計算電力,メモリ,またはストレージの過剰供給あるいは提供に関連する金銭コストを考慮する適切な予測子によって駆動されなければならない。交通需要の予測を目的とするレガシーモデルは,ネットワーク運用のこれらの重要な経済的側面を捉えることができない。このギャップを閉じるために,画像処理における進歩に触発され,専用の損失関数を介して訓練された深いニューラルネットワークアーキテクチャであるDeepCogを提示した。伝統的な交通量予測子と異なり,DeepCogはコスト認識能力予測を返し,それはそれらの収入を最大にする短期および長期の地域決定を行うためにオペレータが直接使用することができる。大規模運用モバイルネットワークで収集された実世界測定データによる広範な性能評価は,提案ソリューションの有効性を実証し,実際の事例研究において資源管理コストを50%以上削減できる。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： 損失関数 ,  有効性 ,  オペレータ ,  交通量 ,  *最適化 ,  記憶装置 ,  資源管理 ,  事例研究 ,  *ネットワーク ,  画像処理 ,  電力 ,  性能評価 ,  交通需要
準シソーラス用語： モバイルネットワーク ,  テナント , 【Automatic Indexing@JST】

分類 (3件)： 移動通信  (ND08030H) ,  計算機網  (JC03000K) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： AI ,  予測 ,  スライシング ,  資源 ,  最適化