論文の概要: Machine Learning for Intelligent Optical Networks: A Comprehensive
Survey
- arxiv url: http://arxiv.org/abs/2003.05290v1
- Date: Wed, 11 Mar 2020 13:51:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 15:42:34.175938
- Title: Machine Learning for Intelligent Optical Networks: A Comprehensive
Survey
- Title（参考訳）: インテリジェント光ネットワークのための機械学習:包括的調査
- Authors: Rentao Gu, Zeyuan Yang, Yuefeng Ji
- Abstract要約: コミュニケーションネットワークにおけるインテリジェンス向上は必須であり、人工知能(AI)と機械学習(ML)を取り入れている側面もいくつかある。
本稿では,知的光ネットワークにおけるMLの既存応用に関する詳細な調査を行う。
MLの応用は、光学ネットワーク制御と資源管理に分類され、光学ネットワークの監視と生存可能性に分類される。
- 参考スコア（独自算出の注目度）: 9.947717243638289
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the rapid development of Internet and communication systems, both in
services and technologies, communication networks have been suffering
increasing complexity. It is imperative to improve intelligence in
communication network, and several aspects have been incorporating with
Artificial Intelligence (AI) and Machine Learning (ML). Optical network, which
plays an important role both in core and access network in communication
networks, also faces great challenges of system complexity and the requirement
of manual operations. To overcome the current limitations and address the
issues of future optical networks, it is essential to deploy more intelligence
capability to enable autonomous and exible network operations. ML techniques
are proved to have superiority on solving complex problems; and thus recently,
ML techniques have been used for many optical network applications. In this
paper, a detailed survey of existing applications of ML for intelligent optical
networks is presented. The applications of ML are classified in terms of their
use cases, which are categorized into optical network control and resource
management, and optical networks monitoring and survivability. The use cases
are analyzed and compared according to the used ML techniques. Besides, a
tutorial for ML applications is provided from the aspects of the introduction
of common ML algorithms, paradigms of ML, and motivations of applying ML.
Lastly, challenges and possible solutions of ML application in optical networks
are also discussed, which intends to inspire future innovations in leveraging
ML to build intelligent optical networks.
- Abstract（参考訳）: インターネットと通信システムの急速な発展により、サービスと技術の両方において、通信ネットワークは複雑さを増している。
コミュニケーションネットワークにおけるインテリジェンスの改善は必須であり、人工知能(AI)と機械学習(ML)を取り入れている側面もいくつかある。
通信ネットワークにおけるコアネットワークとアクセスネットワークの両方において重要な役割を果たす光ネットワークもまた、システムの複雑さと手動操作の要求という大きな課題に直面している。
現在の限界を克服し、将来の光ネットワークの問題に対処するためには、自律的かつ拡張可能なネットワーク運用を実現するために、より多くのインテリジェンス機能を展開することが不可欠である。
ML技術は複雑な問題を解決する上で優れていることが証明されており、最近では多くの光ネットワークアプリケーションにML技術が使われている。
本稿では,知的光ネットワークにおけるMLの既存応用に関する詳細な調査を行う。
mlの応用は、光ネットワークの制御と資源管理、光ネットワークの監視と生存性に分類されるユースケースによって分類される。
ユースケースは、使用済みのML技術に基づいて分析され、比較される。
さらに、共通MLアルゴリズムの導入、MLのパラダイム、MLの適用動機から、MLアプリケーションのためのチュートリアルが提供される。
最後に、光ネットワークにおけるMLアプリケーションの課題と解決策についても論じており、MLを活用してインテリジェントな光ネットワークを構築するという未来のイノベーションを刺激することを目的としている。
関連論文リスト
- Generative AI-in-the-loop: Integrating LLMs and GPTs into the Next Generation Networks [11.509880721677156]
大規模言語モデル(LLM)が最近登場し、認知タスクにおけるほぼ人間レベルのパフォーマンスを実証している。
次世代AI-in-the-loop」の概念を提案する。
LLMとMLモデルを組み合わせることで、それぞれの能力を活用し、どちらのモデルよりも優れた結果が得られると考えています。
論文 参考訳（メタデータ） (2024-06-06T17:25:07Z) - When Large Language Models Meet Optical Networks: Paving the Way for Automation [17.4503217818141]
物理層をインテリジェントに制御し,アプリケーション層との相互作用を効果的に行うことを目的として,LLMを利用した光ネットワークのフレームワークを提案する。
提案手法は,ネットワークアラーム解析とネットワーク性能最適化の2つの典型的なタスクで検証される。
良好な応答精度と2,400個のテスト状況のセマティックな類似性は、光ネットワークにおけるLLMの大きな可能性を示している。
論文 参考訳（メタデータ） (2024-05-14T10:46:33Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - Towards Intelligent Load Balancing in Data Centers [0.5505634045241288]
本稿では,機械学習とネットワークシステムのギャップを埋めるため,Aquariusを提案する。
オフラインデータ分析とオンラインモデル展開の両方を現実的なシステムで実行する能力を示している。
論文 参考訳（メタデータ） (2021-10-27T12:47:30Z) - Applications of Artificial Intelligence, Machine Learning and related
techniques for Computer Networking Systems [0.8376091455761258]
本稿では,人工知能と機械学習(AI/ML)の応用について概観し,コンピュータネットワークの領域における問題に対処する。
この技術は、効率的で正確なトラフィック予測、トラフィック分類、異常検出、ネットワーク管理、ネットワークセキュリティ、ネットワークリソースの割り当てと最適化をサポートするために使われてきた。
論文 参考訳（メタデータ） (2021-04-21T05:40:07Z) - Transfer Learning for Future Wireless Networks: A Comprehensive Survey [49.746711269488515]
本稿では,無線ネットワークにおける転送学習の応用に関する包括的調査を行う。
まず,形式的定義,分類,様々な種類のtl技術を含むtlの概要について述べる。
次に,無線ネットワークにおける新たな課題に対処するために,多様なTLアプローチを提案する。
論文 参考訳（メタデータ） (2021-02-15T14:19:55Z) - Wireless for Machine Learning [91.13476340719087]
我々は、分散データセット上で機械学習サービスをサポートするように設計された最先端のワイヤレス手法について、徹底的にレビューする。
文献にはアナログ・オーバー・ザ・エア計算とMLに最適化されたデジタル無線リソース管理という2つの明確なテーマがある。
このサーベイは、これらのメソッドを包括的に紹介し、最も重要な研究をレビューし、オープンな問題を強調し、アプリケーションのシナリオについて議論する。
論文 参考訳（メタデータ） (2020-08-31T11:09:49Z) - Communication-Efficient and Distributed Learning Over Wireless Networks:
Principles and Applications [55.65768284748698]
機械学習(ML)は、第5世代(5G)通信システムなどのための有望なイネーブルである。
本稿では、関連するコミュニケーションとMLの原則を概観し、選択したユースケースでコミュニケーション効率と分散学習フレームワークを提示することを目的とする。
論文 参考訳（メタデータ） (2020-08-06T12:37:14Z) - From Federated to Fog Learning: Distributed Machine Learning over
Heterogeneous Wireless Networks [71.23327876898816]
フェデレートラーニング(Federated Learning)は、データを収集するノード間で処理能力を活用することによって、ネットワークエッジでMLモデルをトレーニングするテクニックとして登場した。
我々は、エッジデバイスからクラウドサーバへのノード連続体にMLモデルのトレーニングをインテリジェントに分散する、フォグラーニングと呼ばれる新しい学習パラダイムを提唱する。
論文 参考訳（メタデータ） (2020-06-07T05:11:18Z) - Usage of Network Simulators in Machine-Learning-Assisted 5G/6G Networks [9.390329421385415]
機械学習と通信システムのギャップを埋めるためのネットワークシミュレータの役割を考案する。
本稿では,MLネットワークに適用される前に,MLモデルのトレーニング,テスト,検証を行うためのシミュレータのアーキテクチャ統合について述べる。
本稿では,ネットワークシミュレータのML支援通信への統合について,住宅Wi-Fiネットワークの概念実証テストベッド実装を通して述べる。
論文 参考訳（メタデータ） (2020-05-17T15:32:59Z) - Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G
Networks [84.2155885234293]
まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。
このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
論文 参考訳（メタデータ） (2020-02-22T14:38:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。