論文の概要: A Graph Neural Networks based Framework for Topology-Aware Proactive SLA
Management in a Latency Critical NFV Application Use-case
- arxiv url: http://arxiv.org/abs/2212.00714v1
- Date: Thu, 10 Nov 2022 23:22:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-04 14:56:39.811958
- Title: A Graph Neural Networks based Framework for Topology-Aware Proactive SLA
Management in a Latency Critical NFV Application Use-case
- Title(参考訳): レイテンシクリティカルNFVアプリケーションユースケースにおけるトポロジ対応SLA管理のためのグラフニューラルネットワークに基づくフレームワーク
- Authors: Nikita Jalodia, Mohit Taneja, Alan Davy
- Abstract要約: 5Gと6Gの最近の進歩は、ネットワークシリーズ(NFV)によって実現される遅延クリティカルなアプリケーションの出現につながっている。
本稿では,グラフニューラルネットワーク(GNN)と深層強化学習(DRL)を活用して,効率性と信頼性のトレードオフをバランスさせる,積極的なSLA管理フレームワークを提案する。
- 参考スコア(独自算出の注目度): 0.34376560669160383
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Recent advancements in the rollout of 5G and 6G have led to the emergence of
a new range of latency-critical applications delivered via a Network Function
Virtualization (NFV) enabled paradigm of flexible and softwarized communication
networks. Evolving verticals like telecommunications, smart grid, virtual
reality (VR), industry 4.0, automated vehicles, etc. are driven by the vision
of low latency and high reliability, and there is a wide gap to efficiently
bridge the Quality of Service (QoS) constraints for both the service providers
and the end-user. In this work, we look to tackle the over-provisioning of
latency-critical services by proposing a proactive SLA management framework
leveraging Graph Neural Networks (GNN) and Deep Reinforcement Learning (DRL) to
balance the trade-off between efficiency and reliability. To summarize our key
contributions: 1) we compose a graph-based spatio-temporal multivariate
time-series forecasting model with multiple time-step predictions in a
multi-output scenario, delivering 74.62% improved performance over the
established baseline state-of-art model on the use-case; and 2) we leverage
realistic SLA definitions for the use-case to achieve a dynamic SLA-aware
oversight for scaling policy management with DRL.
- Abstract(参考訳): 5Gと6Gのロールアウトの最近の進歩は、ネットワーク機能仮想化(NFV)によって実現されたフレキシブルでソフトウォーズドな通信ネットワークのパラダイムを通じて、新しいレイテンシクリティカルなアプリケーションが出現した。
電気通信、スマートグリッド、バーチャルリアリティ(VR)、業界 4.0、自動走行車などは、低レイテンシと高信頼性のビジョンによって駆動され、サービスプロバイダとエンドユーザの両方にとって、Quality of Service(QoS)の制約を効果的に橋渡しする大きなギャップがある。
本稿では,gnn(graph neural network)とdrl(deep reinforcement learning)を活用した積極的なsla管理フレームワークを提案し,効率と信頼性のトレードオフのバランスをとることで,遅延クリティカルなサービスの過剰なプロビジョニングに取り組む。
重要な貢献をまとめます
1)複数出力シナリオにおける複数の時間ステップ予測を伴うグラフベース時空間時系列予測モデルを構築し,74.62%の精度向上を実現する。
2)DRLでポリシー管理をスケールするための動的なSLA対応監視を実現するために,ユースケースに対する現実的なSLA定義を活用する。
関連論文リスト
- Privacy-preserving design of graph neural networks with applications to
vertical federated learning [56.74455367682945]
VESPERと呼ばれるエンドツーエンドのグラフ表現学習フレームワークを提案する。
VESPERは、適切なプライバシー予算の下でスパースグラフと密度グラフの両方で高性能なGNNモデルをトレーニングすることができる。
論文 参考訳(メタデータ) (2023-10-31T15:34:59Z) - How Does Forecasting Affect the Convergence of DRL Techniques in O-RAN
Slicing? [20.344810727033327]
本稿では,DRLの収束性を高めるため,新しい予測支援型DRL手法とそのO-RAN実運用ワークフローを提案する。
提案手法では, 平均初期報酬値, 収束率, 収束シナリオ数において最大22.8%, 86.3%, 300%の改善が見られた。
論文 参考訳(メタデータ) (2023-09-01T14:30:04Z) - Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。
我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
論文 参考訳(メタデータ) (2023-07-14T04:13:11Z) - Low Complexity Adaptive Machine Learning Approaches for End-to-End
Latency Prediction [0.0]
この研究は、予測、監視、予測のための効率的で低コストな適応アルゴリズムの設計である。
我々は,GNNにおける近年の国際的課題の後に提供されたパブリックジェネレータから得られるデータに対して,我々のアプローチと結果を説明するために,エンドツーエンドの遅延予測に焦点を当てた。
論文 参考訳(メタデータ) (2023-01-31T10:29:11Z) - Perceiver-VL: Efficient Vision-and-Language Modeling with Iterative
Latent Attention [100.81495948184649]
本稿では,長いビデオやテキストなどの高次元マルチモーダル入力を効率的に処理する視覚・言語フレームワークPerceiver-VLを提案する。
我々のフレームワークは、多くの最先端のトランスフォーマーベースモデルで使用される自己注意の二次的な複雑さとは対照的に、線形複雑性でスケールする。
論文 参考訳(メタデータ) (2022-11-21T18:22:39Z) - Fluid Batching: Exit-Aware Preemptive Serving of Early-Exit Neural
Networks on Edge NPUs [74.83613252825754]
スマートエコシステム(smart ecosystems)"は、スタンドアロンではなく、センセーションが同時に行われるように形成されています。
これはデバイス上の推論パラダイムを、エッジにニューラル処理ユニット(NPU)をデプロイする方向にシフトしている。
そこで本研究では,実行時のプリエンプションが到着・終了プロセスによってもたらされる動的性を考慮に入れた,新しい早期終了スケジューリングを提案する。
論文 参考訳(メタデータ) (2022-09-27T15:04:01Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳(メタデータ) (2022-08-17T03:00:24Z) - Multi-Exit Semantic Segmentation Networks [78.44441236864057]
本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。
パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。
接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
論文 参考訳(メタデータ) (2021-06-07T11:37:03Z) - Age of Information Aware VNF Scheduling in Industrial IoT Using Deep
Reinforcement Learning [9.780232937571599]
深部強化学習(DRL)はそのような問題を解決するための有効な方法として現れている。
本論文では, 単一エージェントの低複素複素アクションアクター-クリティカルRLを用いて離散的および連続的なアクションの両方をカバーする。
その後、エージェントが互いに協力するマルチエージェントDRLスキームにソリューションを拡張します。
論文 参考訳(メタデータ) (2021-05-10T09:04:49Z) - 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) - 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。