論文の概要: Softwarization, Virtualization, & Machine Learning For Intelligent & Effective V2X Communications

• arxiv url: http://arxiv.org/abs/2006.04595v1
• Date: Mon, 8 Jun 2020 13:43:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 02:36:27.564630
• Title: Softwarization, Virtualization, & Machine Learning For Intelligent & Effective V2X Communications
• Title（参考訳）: インテリジェントかつ効果的なv2x通信のためのソフトウォーリゼーション、仮想化、機械学習
• Authors: Abdallah Moubayed and Abdallah Shami
• Abstract要約: ソフトウォーズ、仮想化、機械学習といったコンセプトは、そのようなネットワークの革新的で柔軟な実現手段として重要なコンポーネントとなるでしょう。 ソフトウェア定義のネットワーク、ソフトウェア定義の周辺、クラウドとエッジコンピューティング、ネットワーク機能仮想化は、いくつかの5Gネットワークの課題に対処する上で大きな役割を果たすだろう。
• 参考スコア（独自算出の注目度）: 5.921280236908284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The concept of the fifth generation (5G) mobile network system has emerged in recent years as telecommunication operators and service providers look to upgrade their infrastructure and delivery modes to meet the growing demand. Concepts such as softwarization, virtualization, and machine learning will be key components as innovative and flexible enablers of such networks. In particular, paradigms such as software-defined networks, software-defined perimeter, cloud & edge computing, and network function virtualization will play a major role in addressing several 5G networks' challenges, especially in terms of flexibility, programmability, scalability, and security. In this work, the role and potential of these paradigms in the context of V2X communication is discussed. To do so, the paper starts off by providing an overview and background of V2X communications. Then, the paper discusses in more details the various challenges facing V2X communications and some of the previous literature work done to tackle them. Furthermore, the paper describes how softwarization, virtualization, and machine learning can be adapted to tackle the challenges of such networks.
• Abstract（参考訳）: 第5世代(5G)モバイルネットワークシステムの概念は,通信事業者やサービスプロバイダが,需要の増大に対応するため,インフラストラクチャとデリバリモードのアップグレードを目論む中で,近年出現している。 ソフトウォーリゼーション、仮想化、機械学習といったコンセプトは、そのようなネットワークの革新的で柔軟なイネーブラとして重要なコンポーネントとなるでしょう。 特に、ソフトウェア定義ネットワーク、ソフトウェア定義周辺、クラウドとエッジコンピューティング、ネットワーク機能仮想化といったパラダイムは、いくつかの5gネットワークの課題、特に柔軟性、プログラム可能性、スケーラビリティ、セキュリティにおいて大きな役割を果たすだろう。 本稿では,V2X通信におけるこれらのパラダイムの役割と可能性について論じる。 そのために、論文はv2xコミュニケーションの概要と背景を提供することから始めます。 そこで本稿では,v2x コミュニケーションが直面する様々な課題と,それに取り組むための先行研究についてより詳細に述べる。 さらに,このようなネットワークの課題にソフトウォーリゼーション,仮想化,機械学習がいかに適応できるかについて述べる。

関連論文リスト

• AI Flow at the Network Edge [58.31090055138711]
  AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。 この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
  論文  参考訳（メタデータ） (2024-11-19T12:51:17Z)
• AI-Native Multi-Access Future Networks -- The REASON Architecture [4.323505243954935]
  REASONプロジェクトは、E2Eサービスオーケストレーション、サステナビリティ、セキュリティ、信頼管理など、将来のネットワークデプロイメントにおける技術的な課題に対処することを目的としている。 本稿では,REASONのアーキテクチャと今後のネットワークに対する要件について述べる。
  論文  参考訳（メタデータ） (2024-11-11T11:10:39Z)
• Multiple Access in the Era of Distributed Computing and Edge Intelligence [23.65754442262314]
  まず,マルチアクセスエッジコンピューティング(MEC)について検討し,ネットワークのエッジにおけるデータ処理と計算能力の増大に対応するために重要である。 次に,様々な関数を高速かつ効率的に計算する手法として,OTA(Over-the-air)コンピューティングについて検討する。 機械学習(ML)とマルチアクセステクノロジの分離についても、フェデレーションラーニング、強化ラーニング、MLベースのマルチアクセスプロトコルの開発に重点が置かれている。
  論文  参考訳（メタデータ） (2024-02-26T11:04:04Z)
• On Modeling Network Slicing Communication Resources with SARSA Optimization [0.0]
  そこで我々は,ネットワークスライシングの概念モデルを提案し,そのモデルと最適化問題のいくつかの側面を定式化する。 次に,SARSAエージェントを用いて問題を解決し,概念実証のプロトタイプを実装することを提案した。
  論文  参考訳（メタデータ） (2023-01-11T20:00:42Z)
• Holistic Network Virtualization and Pervasive Network Intelligence for 6G [14.35331138476144]
  ネットワークアーキテクチャの進化と展望を考察し,第6世代(6G)ネットワークのための新しい概念アーキテクチャを提案する。 提案したアーキテクチャは2つの鍵となる要素、すなわち全体論的ネットワーク仮想化と広範人工知能(AI)を持つ。 我々は6Gの潜在的なアーキテクチャに関するさらなる議論と開発を刺激することを目指している。
  論文  参考訳（メタデータ） (2023-01-02T04:15:33Z)
• Less Data, More Knowledge: Building Next Generation Semantic Communication Networks [180.82142885410238]
  本稿では、スケーラブルなエンドツーエンドセマンティック通信ネットワークの最初の厳密なビジョンを示す。 まず、セマンティック・コミュニケーション・ネットワークの設計は、データ駆動型ネットワークから知識駆動型ネットワークへどのように移行する必要があるかについて議論する。 意味表現と言語を用いることで、従来の送信機と受信機が教師と見習いになることを示す。
  論文  参考訳（メタデータ） (2022-11-25T19:03:25Z)
• Transformer-Empowered 6G Intelligent Networks: From Massive MIMO Processing to Semantic Communication [71.21459460829409]
  トランスフォーマーとして知られる新しいディープラーニングアーキテクチャを導入し、その6Gネットワーク設計への影響について論じる。 具体的には、6GネットワークにおけるMIMO(Multiple-input multiple-output)システムと様々な意味コミュニケーション問題に対するトランスフォーマーベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2022-05-08T03:22:20Z)
• Introduction to the Artificial Intelligence that can be applied to the Network Automation Journey [68.8204255655161]
  Intent-Based Networking - Concepts and Definitions"ドキュメントには、NetDevOpsに関わる可能性のあるエコシステムのさまざまな部分について記述されている。 認識、生成、翻訳、精巧な機能には、アルゴリズムを実装するための新しい方法が必要だ。
  論文  参考訳（メタデータ） (2022-04-02T08:12:08Z)
• Distributed Learning in Wireless Networks: Recent Progress and Future Challenges [170.35951727508225]
  次世代のワイヤレスネットワークは、エッジデバイスが収集するさまざまな種類のデータを分析する多くの機械学習ツールやアプリケーションを可能にする。 エッジデバイスが生データ交換なしでMLモデルを協調的にトレーニングできるようにする手段として,分散学習と推論技術が提案されている。 本稿では,ワイヤレスエッジネットワーク上で分散学習を効率的に効果的に展開する方法を包括的に研究する。
  論文  参考訳（メタデータ） (2021-04-05T20:57:56Z)
• 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)

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。