論文の概要: Depth-Optimized Delay-Aware Tree (DO-DAT) for Virtual Network Function
Placement
- arxiv url: http://arxiv.org/abs/2006.01790v1
- Date: Tue, 2 Jun 2020 17:18:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 00:47:06.062057
- Title: Depth-Optimized Delay-Aware Tree (DO-DAT) for Virtual Network Function
Placement
- Title(参考訳): 仮想ネットワーク機能配置のための深度最適化遅延認識木(do-dat)
- Authors: Dimitrios Michael Manias, Hassan Hawilo, Manar Jammal, Abdallah Shami
- Abstract要約: ネットワーク機能(NFV)はソリューションとして認識されているが、その実現性を保証するためにはいくつかの課題に対処する必要がある。
本稿では,VNF(Virtual Network)配置問題に対する機械学習による解決策を提案する。
- 参考スコア(独自算出の注目度): 3.5584529568201377
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the constant increase in demand for data connectivity, network service
providers are faced with the task of reducing their capital and operational
expenses while ensuring continual improvements to network performance. Although
Network Function Virtualization (NFV) has been identified as a solution,
several challenges must be addressed to ensure its feasibility. In this paper,
we present a machine learning-based solution to the Virtual Network Function
(VNF) placement problem. This paper proposes the Depth-Optimized Delay-Aware
Tree (DO-DAT) model by using the particle swarm optimization technique to
optimize decision tree hyper-parameters. Using the Evolved Packet Core (EPC) as
a use case, we evaluate the performance of the model and compare it to a
previously proposed model and a heuristic placement strategy.
- Abstract(参考訳): データ接続の需要が絶え間なく増加する中、ネットワークサービスプロバイダは、資本と運用コストを削減し、ネットワーク性能の継続的な改善を確実にするタスクに直面している。
ネットワーク機能仮想化(NFV)はソリューションとして認識されているが、その実現性を保証するためにはいくつかの課題に対処する必要がある。
本稿では,仮想ネットワーク機能(VNF)配置問題に対する機械学習による解決策を提案する。
本稿では,決定木ハイパーパラメータを最適化するためにパーティクルスワム最適化手法を用いて,DATモデルを提案する。
本稿では,Evolved Packet Core(EPC)をユースケースとして,モデルの性能を評価し,従来提案されていたモデルとヒューリスティックな配置戦略と比較する。
関連論文リスト
- Power Control with QoS Guarantees: A Differentiable Projection-based
Unsupervised Learning Framework [14.518558523319518]
NPハード無線リソース割り当て問題を解決する潜在的なソリューションとして、ディープニューラルネットワーク(DNN)が登場している。
マルチユーザチャネルにおける古典的電力制御問題を解決するために,教師なし学習フレームワークを提案する。
提案手法は,データレートを向上するだけでなく,既存の計算に比べて制約違反の確率をゼロにすることを示す。
論文 参考訳(メタデータ) (2023-05-31T14:11:51Z) - Energy-efficient Task Adaptation for NLP Edge Inference Leveraging
Heterogeneous Memory Architectures [68.91874045918112]
Adapter-ALBERTは、様々なタスクにわたる最大データ再利用のための効率的なモデル最適化である。
検証されたNLPエッジアクセラレータ上でシミュレーションを行うことにより、モデルを不均一なオンチップメモリアーキテクチャにマッピングする利点を実証する。
論文 参考訳(メタデータ) (2023-03-25T14:40:59Z) - Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。
本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。
本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
論文 参考訳(メタデータ) (2023-03-16T21:06:13Z) - Multi-Objective Provisioning of Network Slices using Deep Reinforcement
Learning [5.074839768784803]
リアルタイムネットワークスライスプロビジョニング(NSP)問題は、オンライン多目的プログラミング最適化(MOIPO)問題としてモデル化されている。
交通需要予測にPPO(Proximal Policy Optimization)法を適用することにより,MOIPO問題の解を近似する。
提案手法の有効性を,SLA違反率とネットワーク運用コストの低いMOIPO解法と比較した。
論文 参考訳(メタデータ) (2022-07-27T23:04:22Z) - Joint inference and input optimization in equilibrium networks [68.63726855991052]
ディープ均衡モデル(Deep equilibrium model)は、従来のネットワークの深さを予測し、代わりに単一の非線形層の固定点を見つけることによってネットワークの出力を計算するモデルのクラスである。
この2つの設定の間には自然なシナジーがあることが示されています。
この戦略は、生成モデルのトレーニングや、潜時符号の最適化、デノベートやインペインティングといった逆問題に対するトレーニングモデル、対逆トレーニング、勾配に基づくメタラーニングなど、様々なタスクにおいて実証される。
論文 参考訳(メタデータ) (2021-11-25T19:59:33Z) - Proactive and AoI-aware Failure Recovery for Stateful NFV-enabled
Zero-Touch 6G Networks: Model-Free DRL Approach [0.0]
ゼロタッチPFR(ZT-PFR)と呼ばれるモデルフリー深部強化学習(DRL)に基づくアクティブ障害回復フレームワークを提案する。
ZT-PFRは、ネットワーク機能仮想化(NFV)対応ネットワークにおける組み込みステートフル仮想ネットワーク機能(VNF)用です。
論文 参考訳(メタデータ) (2021-02-02T21:40:35Z) - A Machine Learning-Based Migration Strategy for Virtual Network Function
Instances [3.7783523378336104]
我々は、VNFインスタンスのマイグレーション戦略であるVNNIM(VNF Neural Network for Instance Migration)を開発した。
VNNIMは、移行後のサーバを99.07%の精度で予測するのに非常に効果的である。
しかし、VNNIMの最大の利点は、ランタイム分析によって強調される実行時の効率である。
論文 参考訳(メタデータ) (2020-06-15T15:03:27Z) - Iterative Network for Image Super-Resolution [69.07361550998318]
単一画像超解像(SISR)は、最近の畳み込みニューラルネットワーク(CNN)の発展により、大幅に活性化されている。
本稿では、従来のSISRアルゴリズムに関する新たな知見を提供し、反復最適化に依存するアプローチを提案する。
反復最適化の上に,新しい反復型超解像ネットワーク (ISRN) を提案する。
論文 参考訳(メタデータ) (2020-05-20T11:11:47Z) - Deep Adaptive Inference Networks for Single Image Super-Resolution [72.7304455761067]
シングルイメージ超解像(SISR)は、ディープ畳み込みニューラルネットワーク(CNN)の展開により、近年大きく進歩している。
本稿では,深部SISR(AdaDSR)の適応型推論ネットワークを活用することで,この問題に対処する。
我々のAdaDSRは、SISRモデルをバックボーンとし、画像の特徴とリソース制約を入力として取り、ローカルネットワーク深さのマップを予測する軽量アダプタモジュールを備える。
論文 参考訳(メタデータ) (2020-04-08T10:08:20Z) - Toward fast and accurate human pose estimation via soft-gated skip
connections [97.06882200076096]
本稿では,高精度かつ高効率な人間のポーズ推定について述べる。
我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。
本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
論文 参考訳(メタデータ) (2020-02-25T18:51:51Z) - Machine Learning for Performance-Aware Virtual Network Function
Placement [3.5558885788605323]
サービス機能チェーン(SFC)を形成する仮想ネットワーク機能インスタンスの効率的な配置から学習する機械学習決定ツリーモデルを開発する。
このモデルは入力としてネットワークからいくつかのパフォーマンス関連の特徴を取り、依存するVNFインスタンス間の遅延を最小限に抑える目的で、ネットワークサーバ上の様々なVNFインスタンスの配置を選択する。
論文 参考訳(メタデータ) (2020-01-13T14:08:39Z)
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。