論文の概要: Self-Supervised Transformer Architecture for Change Detection in Radio Access Networks

• arxiv url: http://arxiv.org/abs/2302.02025v1
• Date: Fri, 3 Feb 2023 23:04:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 20:41:18.854990
• Title: Self-Supervised Transformer Architecture for Change Detection in Radio Access Networks
• Title（参考訳）: 無線アクセスネットワークにおける変更検出のための自己監督型トランスアーキテクチャ
• Authors: Igor Kozlov, Dmitriy Rivkin, Wei-Di Chang, Di Wu, Xue Liu, Gregory Dudek
• Abstract要約: 通信用Radio Access Networks(RAN)は、数十万の送信デバイス(セル)で構成される相互接続ハードウェアの大規模な集合体を表す。 このようなネットワークは、最適性能のためにシステムパラメータを調整しようとしているネットワークオペレーターによって頻繁に、しばしば異質な変更がなされている。 本稿では,本課題に自己意識と自己蒸留を活用する自己教師型学習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）: 15.444426578492871
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radio Access Networks (RANs) for telecommunications represent large agglomerations of interconnected hardware consisting of hundreds of thousands of transmitting devices (cells). Such networks undergo frequent and often heterogeneous changes caused by network operators, who are seeking to tune their system parameters for optimal performance. The effects of such changes are challenging to predict and will become even more so with the adoption of 5G/6G networks. Therefore, RAN monitoring is vital for network operators. We propose a self-supervised learning framework that leverages self-attention and self-distillation for this task. It works by detecting changes in Performance Measurement data, a collection of time-varying metrics which reflect a set of diverse measurements of the network performance at the cell level. Experimental results show that our approach outperforms the state of the art by 4% on a real-world based dataset consisting of about hundred thousands timeseries. It also has the merits of being scalable and generalizable. This allows it to provide deep insight into the specifics of mode of operation changes while relying minimally on expert knowledge.
• Abstract（参考訳）: 通信用無線アクセスネットワーク(RAN)は、数十万の送信デバイス(セル)で構成される相互接続ハードウェアの大規模な集合体である。 このようなネットワークは、最適性能のためにシステムパラメータを調整しようとするネットワークオペレーターによって引き起こされる頻繁で不均一な変更を受けます。 このような変更の効果は予測が難しく、5G/6Gネットワークの採用によってさらに大きくなるだろう。 したがって、RANモニタリングはネットワークオペレーターにとって不可欠である。 本稿では,本課題に自己意識と自己蒸留を活用する自己教師型学習フレームワークを提案する。 セルレベルでのネットワーク性能の多様な測定セットを反映した時間変化メトリクスのコレクションである、パフォーマンス測定データの変化を検出することで機能する。 実験の結果,我々のアプローチは,約10万の時系列からなる実世界のデータセット上で,芸術の状態を4%上回っていることがわかった。 また、スケーラブルで一般化できるというメリットもある。 これにより、専門家の知識を最小限に頼りながら、オペレーション変更のモードの仕様に関する深い洞察を提供することができる。

関連論文リスト

• Multi-Scale Convolutional LSTM with Transfer Learning for Anomaly Detection in Cellular Networks [1.1432909951914676]
  本研究では,トランスファーラーニング(TL)を用いたマルチスケール畳み込みLSTMによるセルネットワークの異常検出手法を提案する。 モデルは最初、公開データセットを使用してスクラッチからトレーニングされ、典型的なネットワーク動作を学習する。 我々は,スクラッチから訓練したモデルの性能と,TLを用いた微調整モデルの性能を比較した。
  論文  参考訳（メタデータ） (2024-09-30T17:51:54Z)
• Context-Aware Mobile Network Performance Prediction Using Network & Remote Sensing Data [0.0]
  通信ネットワークは膨大な数の無線ノードを提供する。各無線ノードは、関連するカバレッジエリアのエンドユーザにサービスを提供する。 我々のアプローチは、衛星画像データを用いて、ネットワークの過去のパフォーマンスデータセットを増強する。 その結果, 衛星画像を用いたモデルでは, 試験領域間で非常に良好な性能が得られた。
  論文  参考訳（メタデータ） (2024-04-30T21:55:49Z)
• Band-Attention Modulated RetNet for Face Forgery Detection [44.0511745071837]
  トランスフォーマーネットワークは、大規模なデータセットにまたがるスケーラビリティのために、顔の偽造検出に広く利用されている。 広義の視覚的コンテキストを効率的に処理する軽量ネットワークであるBAR-Netを導入する。 本稿では、離散コサイン変換スペクトログラム全体を、学習可能な重み付き一連の周波数帯域として扱う適応周波数帯域変調機構を提案する。
  論文  参考訳（メタデータ） (2024-04-09T05:11:28Z)
• ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
  本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。 提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。 また,ELGC-Net-LWも導入した。
  論文  参考訳（メタデータ） (2024-03-26T17:46:25Z)
• Multi-agent Reinforcement Learning with Graph Q-Networks for Antenna Tuning [60.94661435297309]
  モバイルネットワークの規模は、手作業による介入や手作業による戦略を使ってアンテナパラメータの最適化を困難にしている。 本研究では,モバイルネットワーク構成をグローバルに最適化するマルチエージェント強化学習アルゴリズムを提案する。 シミュレーション環境におけるアンテナ傾き調整問題とジョイント傾き・電力制御問題に対するアルゴリズムの性能を実証的に示す。
  論文  参考訳（メタデータ） (2023-01-20T17:06:34Z)
• A Comprehensive Study of Real-Time Object Detection Networks Across Multiple Domains: A Survey [9.861721674777877]
  ディープニューラルネットワークに基づくオブジェクト検出器は継続的に進化しており、様々な用途で使用されている。 安全クリティカルなアプリケーションは高い精度と信頼性を必要とするが、低遅延タスクにはリソースとエネルギー効率のネットワークが必要である。 既存のネットワークの基準ベンチマークは存在せず、新しいネットワークを設計するための標準評価ガイドラインも存在しない。
  論文  参考訳（メタデータ） (2022-08-23T12:01:16Z)
• Rich CNN-Transformer Feature Aggregation Networks for Super-Resolution [50.10987776141901]
  近年の視覚変換器と自己注意は,様々なコンピュータビジョンタスクにおいて有望な成果を上げている。 我々は,CNNの局所的特徴とトランスフォーマーが捉えた長距離依存性を活用する,超解像(SR)タスクのための効果的なハイブリッドアーキテクチャを提案する。 提案手法は,多数のベンチマークデータセットから最先端のSR結果を得る。
  論文  参考訳（メタデータ） (2022-03-15T06:52:25Z)
• Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
  顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。 これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2021-09-21T16:18:45Z)
• Container: Context Aggregation Network [83.12004501984043]
  最近の発見は、従来の畳み込みやトランスフォーマーコンポーネントを使わずに、シンプルなベースのソリューションが効果的な視覚表現を生成できることを示している。 マルチヘッドコンテキストアグリゲーションのための汎用ビルディングブロックCONText Ion NERtwokを提案する。 より大規模な入力画像解像度に依存する下流タスクにはスケールしないTransformerベースの手法とは対照的に、当社の効率的なネットワークであるModellightは、オブジェクト検出やインスタンスセグメンテーションネットワークに利用することができる。
  論文  参考訳（メタデータ） (2021-06-02T18:09:11Z)
• Characterization and Identification of Cloudified Mobile Network Performance Bottlenecks [0.0]
  この研究は、5Gモバイルネットワークが経験できるパフォーマンスボトルネックの範囲を実験的に調査する最初の試みである。 特に,分散分析はボトルネック識別精度と帰納的計算・通信オーバーヘッドの両方において合理的に機能することがわかった。
  論文  参考訳（メタデータ） (2020-07-22T14:46:51Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)

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。