論文の概要: Introduction to the Artificial Intelligence that can be applied to the
Network Automation Journey
- arxiv url: http://arxiv.org/abs/2204.00800v1
- Date: Sat, 2 Apr 2022 08:12:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-05 16:01:02.844485
- Title: Introduction to the Artificial Intelligence that can be applied to the
Network Automation Journey
- Title(参考訳): Network Automation Journeyに応用可能な人工知能入門
- Authors: Gilbert Moisio, Alexandre Gonzalvez, Noam Zeitoun
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 68.8204255655161
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The computer network world is changing and the NetDevOps approach has brought
the dynamics of applications and systems into the field of communication
infrastructure. Businesses are changing and businesses are faced with
difficulties related to the diversity of hardware and software that make up
those infrastructures. The "Intent-Based Networking - Concepts and Definitions"
document describes the different parts of the ecosystem that could be involved
in NetDevOps. The recognize, generate intent, translate and refine features
need a new way to implement algorithms. This is where artificial intelligence
comes in.
- Abstract(参考訳): コンピュータネットワークの世界は変化しており、NetDevOpsのアプローチは、アプリケーションとシステムのダイナミクスを通信インフラの分野に持ち込んだ。
ビジネスは変化し、ビジネスはそれらのインフラストラクチャを構成するハードウェアとソフトウェアの多様性に関わる困難に直面しています。
intent-based networking - concept and definitions"ドキュメントには,netdevopsに関わるエコシステムのさまざまな部分について説明されている。
認識、生成、翻訳、洗練にはアルゴリズムを実装する新しい方法が必要である。
これが人工知能の出番だ。
関連論文リスト
- Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。
新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。
我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文 参考訳(メタデータ) (2024-02-20T15:23:24Z) - Towards Intelligent Network Management: Leveraging AI for Network
Service Detection [0.0]
本研究では,高度なネットワークトラフィック分類システムを構築するために機械学習手法を活用することに焦点を当てた。
我々は,様々なネットワークサービスタイプをリアルタイムに識別する,新しいデータ駆動型アプローチを提案する。
本システムは,ネットワークサービスを識別する際,顕著な精度を示す。
論文 参考訳(メタデータ) (2023-10-14T16:06:11Z) - 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) - Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic
Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。
観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。
GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文 参考訳(メタデータ) (2022-05-22T07:11:57Z) - Edge Artificial Intelligence for 6G: Vision, Enabling Technologies, and
Applications [39.223546118441476]
6Gはワイヤレスの進化を「コネクテッドモノ」から「コネクテッドインテリジェンス」に変革する
ディープラーニングとビッグデータ分析に基づくAIシステムは、膨大な計算と通信資源を必要とする。
エッジAIは、センサー、通信、計算、インテリジェンスをシームレスに統合する6Gの破壊的技術として際立っている。
論文 参考訳(メタデータ) (2021-11-24T11:47:16Z) - The Confluence of Networks, Games and Learning [26.435697087036218]
新興ネットワークアプリケーションは、分散ネットワークインテリジェンスを作成するためのゲーム理論モデルと学習に基づくアプローチを要求する。
本稿では,ネットワーク,ゲーム,学習の相違を具体化し,ネットワーク上でのマルチエージェント意思決定を理解するための理論的基盤を確立する。
論文 参考訳(メタデータ) (2021-05-17T20:54:07Z) - Making a Case for Federated Learning in the Internet of Vehicles and
Intelligent Transportation Systems [6.699060157800401]
車両のインターネット(IoV)はインテリジェント交通システム(ITS)に変換されます。
これらの課題に対処するために,協調的分散知能技術である連合学習が提案されている。
多数のユースケースとメリットを備えたFederated Learningは、ITSの重要なイネーブラーであり、5Gおよびネットワークやアプリケーションを超えて広く実装される予定です。
論文 参考訳(メタデータ) (2021-02-19T20:07:17Z) - Towards Self-learning Edge Intelligence in 6G [143.1821636135413]
エッジインテリジェンス(エッジインテリジェンス、Edge Intelligence、別名エッジネイティブ人工知能(AI))は、AI、通信ネットワーク、モバイルエッジコンピューティングのシームレスな統合に焦点を当てた新興技術フレームワークである。
本稿では、6GにおけるエッジネイティブAIの重要な要件と課題を特定する。
論文 参考訳(メタデータ) (2020-10-01T02:16:40Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳(メタデータ) (2020-07-13T20:30:26Z)
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。