論文の概要: Closing the Management Gap for Satellite-Integrated Community Networks:
A Hierarchical Approach to Self-Maintenance
- arxiv url: http://arxiv.org/abs/2202.07532v1
- Date: Tue, 15 Feb 2022 16:03:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-16 16:07:43.294565
- Title: Closing the Management Gap for Satellite-Integrated Community Networks:
A Hierarchical Approach to Self-Maintenance
- Title(参考訳): 衛星統合型コミュニティネットワークにおけるマネジメントギャップの閉鎖--自己維持への階層的アプローチ
- Authors: Peng Hu
- Abstract要約: コミュニティネットワーク(CN)は、世界中の未保存地域や未保存地域において、重要なインターネット接続を提供するための重要なパラダイムとなっている。
通信ネットワークの技術進歩により、古典的な衛星依存CNが衛星統合CN(SICN)に変換されると予想される。
本稿では、SICNの自律的自己維持を実現するための機械学習(ML)ベースの階層的アプローチについて論じる。
- 参考スコア(独自算出の注目度): 7.900882226705445
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Community networks (CNs) have become an important paradigm for providing
essential Internet connectivity in unserved and underserved areas across the
world. However, an indispensable part for CNs is network management, where
responsive and autonomous maintenance is much needed. With the technological
advancement in telecommunications networks, a classical satellite-dependent CN
is envisioned to be transformed into a satellite-integrated CN (SICN), which
will embrace significant autonomy, intelligence, and scalability in network
management. This article discusses the machine-learning (ML) based hierarchical
approach to enabling autonomous self-maintenance for SICNs. The approach is
split into the anomaly identification and anomaly mitigation phases, where the
related ML methods, data collection means, deployment options, and mitigation
schemes are presented. With the case study, we discuss a typical scenario using
satellite and fixed connections as backhaul options and show the effectiveness
\hl{and performance improvements} of the proposed approach \hl{with recurrent
neural network and ensemble methods
- Abstract(参考訳): コミュニティネットワーク(CN)は、世界中の未保存地域や未保存地域において、重要なインターネット接続を提供する重要なパラダイムとなっている。
しかし、CNにとって必須の部分はネットワーク管理であり、レスポンシブで自律的なメンテナンスがとても必要である。
通信ネットワークの技術的進歩により、従来の衛星依存CNは衛星統合CN(SICN)に変換され、ネットワーク管理において大きな自律性、知性、拡張性をもたらすことが期待されている。
本稿では、SICNの自律的自己維持を可能にする機械学習(ML)に基づく階層的アプローチについて論じる。
このアプローチは異常識別と異常緩和フェーズに分割され、関連するMLメソッド、データ収集手段、デプロイメントオプション、緩和スキームが提示される。
本ケーススタディでは,衛星と固定接続をバックホールオプションとして使用する典型的なシナリオについて検討し,提案手法である \hl{with recurrent neural network and ensemble method の有効性を示す。
関連論文リスト
- RIS-empowered Topology Control for Distributed Learning in Urban Air
Mobility [35.04722426910211]
アーバン・エアモビリティ(UAM)は、輸送システムの革命として想定される、地上から地上に近い空間に車両を拡大する。
この課題を克服するために、リソース制限されたデバイスが協調的に深層学習(DL)を行うことを可能にするために、フェデレーション・ラーニング(FL)や他の協調学習が提案されている。
本稿では,分散学習を支援する再構成可能なインテリジェントサーフェス (RIS) について検討する。
論文 参考訳(メタデータ) (2024-03-08T08:05:50Z) - Olive Branch Learning: A Topology-Aware Federated Learning Framework for
Space-Air-Ground Integrated Network [19.059950250921926]
SAGINの助けを借りてAIモデルをトレーニングすることは、高度に制約されたネットワークトポロジ、非効率なデータ転送、プライバシー問題といった課題に直面している。
まず,SAGINのための新しいトポロジ対応フェデレーション学習フレームワーク,すなわちOlive Branch Learning (OBL)を提案する。
我々はOBLフレームワークとCNASAアルゴリズムを拡張し、より複雑なマルチ軌道衛星ネットワークに適応する。
論文 参考訳(メタデータ) (2022-12-02T14:51:42Z) - Artificial Intelligence Techniques for Next-Generation Mega Satellite
Networks [37.87439415970645]
本稿では,地球規模の衛星ネットワーク,特に大規模衛星ネットワーク通信におけるAI技術の適用について紹介する。
巨大な衛星ネットワークのユニークな特徴を詳述し、現在の通信インフラへの統合と相容れない課題を詳述する。
これには、高度にダイナミックなラジオチャンネル、スペクトルセンシングと分類、信号検出と復調、衛星間および衛星アクセスネットワーク最適化、ネットワークセキュリティの予測にAIを適用することが含まれる。
論文 参考訳(メタデータ) (2022-06-02T13:56:32Z) - Machine Learning-Based User Scheduling in Integrated
Satellite-HAPS-Ground Networks [82.58968700765783]
第6世代通信ネットワーク(6G)の強化のための価値あるソリューション空間の提供を約束する。
本稿では,空対地統合通信におけるユーザスケジューリングにおける機械学習の可能性について述べる。
論文 参考訳(メタデータ) (2022-05-27T13:09:29Z) - Wireless Resource Management in Intelligent Semantic Communication
Networks [15.613654766345702]
ISC対応ヘテロジニアスネットワーク(ISC-HetNet)におけるユーザアソシエーション(UA)と帯域幅割り当ての問題に対処する。
目的を達成するためのプログラミング手法と、UAとBAの最適性に到達するための第2段階のアルゴリズムを含む2段階の解を提案する。
論文 参考訳(メタデータ) (2022-02-15T18:28:28Z) - Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。
我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
論文 参考訳(メタデータ) (2021-06-15T09:03:28Z) - Decentralized Control with Graph Neural Networks [147.84766857793247]
分散コントローラを学習するグラフニューラルネットワーク(GNN)を用いた新しいフレームワークを提案する。
GNNは、自然分散アーキテクチャであり、優れたスケーラビリティと転送性を示すため、タスクに適している。
分散コントローラの学習におけるGNNの可能性を説明するために、群れとマルチエージェントパス計画の問題を検討する。
論文 参考訳(メタデータ) (2020-12-29T18:59:14Z) - 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) - Deep Multi-Task Learning for Cooperative NOMA: System Design and
Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。
我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-07-27T12:38:37Z) - Resource Allocation via Graph Neural Networks in Free Space Optical
Fronthaul Networks [119.81868223344173]
本稿では,自由空間光(FSO)フロントホールネットワークにおける最適資源割り当てについて検討する。
我々は、FSOネットワーク構造を利用するために、ポリシーパラメータ化のためのグラフニューラルネットワーク(GNN)を検討する。
本アルゴリズムは,システムモデルに関する知識が不要なモデルフリーでGNNを訓練するために開発された。
論文 参考訳(メタデータ) (2020-06-26T14:20:48Z)
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。