文献

J-GLOBAL ID：202102254045370370   整理番号：21A3327124

NFVにおけるVNFリソース要求予測のための機械学習技術の比較【JST・京大機械翻訳】

Comparison of Machine Learning Techniques for VNF Resource Requirements Prediction in NFV

著者 (3件)： Moradi Mahsa (Department of Computer Engineering and Information Technology, Razi University, Kermanshah, Iran) ,  Ahmadi Mahmood (Department of Computer Engineering and Information Technology, Razi University, Kermanshah, Iran) ,  Nikbazm Rojia (Department of Computer Engineering and Information Technology, Razi University, Kermanshah, Iran)
資料名： Journal of Network and Systems Management  (Journal of Network and Systems Management)
巻： 30  号： 1  ページ： 17  発行年： 2022年 
JST資料番号： W0721A  ISSN： 1064-7570  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ネットワーク機能仮想化(NFV)は,ハードウェアからソフトウェアを分離するために仮想化技術を使用する開発アーキテクチャである。NFVの最も重要な課題の一つは仮想化ネットワーク機能(VNF)の資源管理である。NFVの動的性質に従って,VNFの資源要求は常に静的にとどまらない。事実,VNFへの資源配分は,ネットワークへの入力トラフィックの変化に対応するように変更しなければならない。これらの変化は,資源の再配置における有意な遅延を引き起こす。この理由のために,それらの割り当ての前に資源推定モデルを適用することは,アップコーミング問題を防ぐことができて,動的に資源配分方法の性能改良に導いた。本論文において,NFVにおける資源予測重要性に従って,機械学習技術の3つのサポートベクトル回帰(SVR),決定木(DT)およびk-最近傍(KNN)アルゴリズムを解析して,比較した。さらに,上記の方法に対する特徴選択法としての遺伝的アルゴリズムの影響を評価した。結果は,予測資源におけるSVR,DT,およびKNNアルゴリズムにおける1未満の誤差が達成されることを示した。しかし,SVRアルゴリズムは他の2つのアルゴリズムより多くの実行時間を有した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ネットワーク ,  資源割付 ,  特徴選択 ,  ディシジョンツリー ,  ハードウェア ,  ソフトウェア ,  計算機アーキテクチャ ,  *機械学習 ,  遺伝的アルゴリズム
準シソーラス用語： 実行時間 ,  仮想化 ,  サポートベクトル回帰 ,  仮想化技術 ,  *機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (4件)： ネットワーク機能仮想化(NFV) ,  資源予測 ,  機械学習 ,  仮想化ネットワーク機能(VNF)

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： リソース ,  予測 ,  機械学習技術