vRANにおける動的機能分割と資源割付のための学習ベースオーケストレーション【JST・京大機械翻訳】

Murti Fahri Wisnu; Ali Samad; Iosifidis George; Latva-aho Matti

プレプリント

J-GLOBAL ID：202202219245336043 整理番号：22P0350605

vRANにおける動的機能分割と資源割付のための学習ベースオーケストレーション【JST・京大機械翻訳】

Learning-Based Orchestration for Dynamic Functional Split and Resource Allocation in vRANs

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年05月16日プレプリントサーバーでの情報更新日： 2022年05月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

仮想化無線アクセスネットワーク(vRAN)の重要な利点の一つはネットワーク管理柔軟性である。しかし,この多用途性は,以前にネットワーク管理の課題を提起する。本論文では,学習ベースゼロタッチvRAN協調フレームワーク(LOFV)を提案し,機能的分割を共同選択し,仮想化資源を割り当て,長期管理コストを最小化する。最初に,ユーザ需要と仮想化資源利用の間の挙動のテストベッド測定を集中RANシステムを使用して収集した。収集したデータは,需要と資源利用の間に非線形で非単調な関係があることを明らかにした。次に,資源過剰予測,減少需要,インスタント化および再構成を考慮した包括的コストモデルを提案した。さらに,提案したコストモデルは,各分割に対する異なるルーティングと計算コストも捉える。著者らの測定洞察とコストモデルによって動機づけられて,LOFVは無モデル強化学習パラダイムを用いて開発された。提案した解決策は,ネットワーク状態とユーザの要求を分割と資源制御決定に写像する,深いQ学習と回帰ベースのニューラルネットワークの組み合わせから構築される。著者らの数値評価は,LOFVが最適静的政策の69%まで,最適完全動的政策の45%までコスト節減を提供できることを示した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

計算機網

, ,

前のページに戻る