論文の概要: On Modeling Network Slicing Communication Resources with SARSA
Optimization
- arxiv url: http://arxiv.org/abs/2301.04696v1
- Date: Wed, 11 Jan 2023 20:00:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 15:03:48.778700
- Title: On Modeling Network Slicing Communication Resources with SARSA
Optimization
- Title（参考訳）: SARSA最適化を用いたネットワークスライシング通信資源のモデリング
- Authors: Eduardo S. Xavier and Nazim Agoulmine and Joberto S. B. Martins
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Network slicing is a crucial enabler to support the composition and
deployment of virtual network infrastructures required by the dynamic behavior
of networks like 5G/6G mobile networks, IoT-aware networks, e-health systems,
and industry verticals like the internet of vehicles (IoV) and industry 4.0.
The communication slices and their allocated communication resources are
essential in slicing architectures for resource orchestration and allocation,
virtual network function (VNF) deployment, and slice operation functionalities.
The communication slices provide the communications capabilities required to
support slice operation, SLA guarantees, and QoS/ QoE application requirements.
Therefore, this contribution proposes a networking slicing conceptual model to
formulate the optimization problem related to the sharing of communication
resources among communication slices. First, we present a conceptual model of
network slicing, we then formulate analytically some aspects of the model and
the optimization problem to address. Next, we proposed to use a SARSA agent to
solve the problem and implement a proof of concept prototype. Finally, we
present the obtained results and discuss them.
- Abstract（参考訳）: ネットワークスライシングは、5G/6Gモバイルネットワーク、IoT対応ネットワーク、eヘルスシステム、自動車のインターネット(IoV)や業界4.0といった産業分野のネットワークの動的振る舞いによって要求される仮想ネットワークインフラストラクチャの構成と展開をサポートするための重要な手段である。
通信スライスとその割り当てされた通信リソースは、リソースオーケストレーションとアロケーション、仮想ネットワーク機能(VNF)デプロイメント、スライス操作機能のためのスライスアーキテクチャに不可欠である。
通信スライスにより、スライス操作、SLA保証、QoS/QoEアプリケーション要求をサポートするのに必要な通信機能を提供する。
そこで本稿では,通信スライス間の通信リソースの共有に関する最適化問題を定式化するネットワークスライス概念モデルを提案する。
まず,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解析的に定式化する。
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。
最後に、得られた結果を提示し、議論する。
関連論文リスト
- Adaptive Digital Twin and Communication-Efficient Federated Learning Network Slicing for 5G-enabled Internet of Things [8.11509914300497]
ネットワークスライシングは、ネットワークリソースの効率的な使用と管理を通じて、増大する要求を満たすために、マルチサービスとリソース要求を区別した産業用IoTネットワークを可能にする。
次世代のIndustry 4.0は、物理システムを正確な意思決定のためにデジタルモデルにマッピングするデジタルツインを導入した。
提案手法では,まずグラフアテンションネットワークを用いて,ネットワークスライスのためのディジタルツイン環境を構築し,リアルタイムトラフィック分析,監視,需要予測を実現する。
論文 参考訳（メタデータ） (2024-06-22T15:33:35Z) - Learning to Slice Wi-Fi Networks: A State-Augmented Primal-Dual Approach [79.00655335405195]
ネットワークスライシングは、5G/NGセルラーネットワークにおいて重要な機能であり、様々なQoS(Quality-of-Service)要件の異なるサービスタイプ用にカスタマイズされたスライスを作成する。
Wi-Fiネットワークでは、スライシングに関する事前作業が限られており、潜在的なソリューションは、異なるスライスに異なるチャネルを割り当てる単一のアクセスポイント(AP)上のマルチテナントアーキテクチャに基づいている。
エルゴディック要件を満たすスライシング決定を生成するためには,国家の強化が不可欠であることを示す。
論文 参考訳（メタデータ） (2024-05-09T13:13:34Z) - Bringing AI to the edge: A formal M&S specification to deploy effective
IoT architectures [0.0]
モノのインターネットは私たちの社会を変え、生活の質と資源管理を改善する新しいサービスを提供しています。
これらのアプリケーションは、限られたコンピューティングリソースとパワーを持つ、複数の分散デバイスのユビキタスネットワークに基づいている。
フォグコンピューティングのような新しいアーキテクチャが登場し、コンピューティング基盤をデータソースに近づけている。
論文 参考訳（メタデータ） (2023-05-11T21:29:58Z) - AI in 6G: Energy-Efficient Distributed Machine Learning for Multilayer
Heterogeneous Networks [7.318997639507269]
本稿では,ネットワーク層とエンティティにまたがるさまざまな機械学習手法に関連するタスクを分散する,階層ベースの新しいHetNetアーキテクチャを提案する。
このようなHetNetは、複数のアクセス方式と、エネルギー効率を高めるためのデバイス間通信(D2D)を備えている。
論文 参考訳（メタデータ） (2022-06-04T22:03:19Z) - 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) - Service Discovery in Social Internet of Things using Graph Neural
Networks [1.552282932199974]
IoT(Internet-of-Things)ネットワークは、何千もの物理的エンティティをインテリジェントに接続して、コミュニティにさまざまなサービスを提供する。
ネットワークに存在するIoTデバイスを発見し、それに対応するサービスを要求するプロセスを複雑にしている。
異種大規模IoTネットワークに適したスケーラブルなリソース割り当てニューラルモデルを提案する。
論文 参考訳（メタデータ） (2022-05-25T12:25:37Z) - CLARA: A Constrained Reinforcement Learning Based Resource Allocation
Framework for Network Slicing [19.990451009223573]
ネットワークスライシングは,5Gおよび将来のネットワークにおける資源利用のための有望なソリューションとして提案されている。
モデルや隠れ構造を知らずにCMDP(Constrained Markov Decision Process)として問題を定式化する。
本稿では、制約付き強化LeArningに基づくリソース割当アルゴリズムであるCLARAを用いて、この問題を解決することを提案する。
論文 参考訳（メタデータ） (2021-11-16T11:54:09Z) - Federated Learning over Wireless IoT Networks with Optimized
Communication and Resources [98.18365881575805]
協調学習技術のパラダイムとしてのフェデレートラーニング(FL)は研究の注目を集めている。
無線システム上での高速応答および高精度FLスキームの検証が重要である。
提案する通信効率のよいフェデレーション学習フレームワークは,強い線形速度で収束することを示す。
論文 参考訳（メタデータ） (2021-10-22T13:25:57Z) - Optimal Power Allocation for Rate Splitting Communications with Deep
Reinforcement Learning [61.91604046990993]
このレターでは、レート分割多重アクセスネットワークにおいて、ユーザの電力割り当てを最適化するための新しいフレームワークを紹介します。
ネットワークでは、ユーザのために意図されたメッセージは、単一の共通部分と個々のプライベート部分に分割される。
論文 参考訳（メタデータ） (2021-07-01T06:32:49Z) - 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 Learning for Ultra-Reliable and Low-Latency Communications in 6G
Networks [84.2155885234293]
まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。
このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
論文 参考訳（メタデータ） (2020-02-22T14:38:11Z)
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。