論文の概要: Multivariate Time Series characterization and forecasting of VoIP traffic in real mobile networks

• arxiv url: http://arxiv.org/abs/2307.06645v1
• Date: Thu, 13 Jul 2023 09:21:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-14 15:17:46.741779
• Title: Multivariate Time Series characterization and forecasting of VoIP traffic in real mobile networks
• Title（参考訳）: 実モバイルネットワークにおけるVoIPトラフィックの多変量時系列解析と予測
• Authors: Mario Di Mauro, Giovanni Galatro, Fabio Postiglione, Wei Song, Antonio Liotta
• Abstract要約: モビリティシナリオにおけるリアルタイムトラフィック(例えばVoIP)の振る舞いを予測することは、オペレーターがネットワークインフラをよりよく計画するのに役立つ。 本研究では,実モバイル環境におけるVoIPトラフィックの重要/QoE記述子の予測分析を提案する。
• 参考スコア（独自算出の注目度）: 9.637582917616703
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting the behavior of real-time traffic (e.g., VoIP) in mobility scenarios could help the operators to better plan their network infrastructures and to optimize the allocation of resources. Accordingly, in this work the authors propose a forecasting analysis of crucial QoS/QoE descriptors (some of which neglected in the technical literature) of VoIP traffic in a real mobile environment. The problem is formulated in terms of a multivariate time series analysis. Such a formalization allows to discover and model the temporal relationships among various descriptors and to forecast their behaviors for future periods. Techniques such as Vector Autoregressive models and machine learning (deep-based and tree-based) approaches are employed and compared in terms of performance and time complexity, by reframing the multivariate time series problem into a supervised learning one. Moreover, a series of auxiliary analyses (stationarity, orthogonal impulse responses, etc.) are performed to discover the analytical structure of the time series and to provide deep insights about their relationships. The whole theoretical analysis has an experimental counterpart since a set of trials across a real-world LTE-Advanced environment has been performed to collect, post-process and analyze about 600,000 voice packets, organized per flow and differentiated per codec.
• Abstract（参考訳）: モビリティシナリオにおけるリアルタイムトラフィック(例えばvoip)の振る舞いの予測は、オペレータがネットワークインフラストラクチャをより良く計画し、リソースの割り当てを最適化するのに役立ちます。 そこで本研究では,実際のモバイル環境におけるVoIPトラフィックの重要なQoS/QoE記述子(一部は技術文献で無視されている)の予測分析を提案する。 この問題は多変量時系列解析の観点で定式化される。 このような形式化により、様々な記述者間の時間的関係を発見し、モデル化し、将来の行動を予測することができる。 Vector Autoregressive Modelや機械学習(ディープベースおよびツリーベース)アプローチといったテクニックが採用され、多変量時系列問題を教師付き学習モデルに再検討することで、パフォーマンスと時間の複雑さの観点から比較される。 さらに、時系列の分析構造を発見し、それらの関係に関する深い洞察を提供するために、一連の補助解析(定常性、直交インパルス応答など)を行う。 この理論解析は、実際のLTE-Advanced環境における一連の試行を経て、約60万の音声パケットを収集、処理、分析し、フロー毎に整理し、コーデックごとに区別し、実験的なものである。

関連論文リスト

• Transforming Multidimensional Time Series into Interpretable Event Sequences for Advanced Data Mining [5.2863523790908955]
  本稿では,多次元時系列解析における従来の手法の限界に対処する新しい表現モデルを提案する。 提案するフレームワークは,ITインフラの監視と最適化,継続的な患者モニタリングによる診断,トレンド分析,インターネットビジネスによるユーザ行動の追跡,予測など,さまざまな分野のアプリケーションに対して大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-09-22T06:27:07Z)
• AdaWaveNet: Adaptive Wavelet Network for Time Series Analysis [14.06147507373525]
  AdaWaveNetは、非定常時系列データのマルチスケール解析にアダプティブウェーブレット変換を利用する新しいアプローチである。 我々は、予測、計算、新たに確立された超解像タスクを含む3つのタスクにわたる10のデータセットで実験を行う。
  論文  参考訳（メタデータ） (2024-05-17T23:52:33Z)
• Machine Learning in Short-Reach Optical Systems: A Comprehensive Survey [2.425630641479336]
  本稿では,短距離通信における機械学習技術の応用について概説する。 本稿では,機械学習信号処理における時系列手法の新しい分類法を提案する。 我々は,短時間の光通信システムにおいて,より実用的で効率的な機械学習アプローチの展開の道を開くことを目的としている。
  論文  参考訳（メタデータ） (2024-05-02T16:04:30Z)
• Rethinking Urban Mobility Prediction: A Super-Multivariate Time Series Forecasting Approach [71.67506068703314]
  長期の都市移動予測は、都市施設やサービスの効果的管理において重要な役割を担っている。 伝統的に、都市移動データはビデオとして構成され、経度と緯度を基本的なピクセルとして扱う。 本研究では,都市におけるモビリティ予測の新たな視点について紹介する。 都市移動データを従来のビデオデータとして単純化するのではなく、複雑な時系列と見なす。
  論文  参考訳（メタデータ） (2023-12-04T07:39:05Z)
• TimeTuner: Diagnosing Time Representations for Time-Series Forecasting with Counterfactual Explanations [3.8357850372472915]
  本稿では,モデル行動が局所化,定常性,時系列表現の相関とどのように関連しているかをアナリストが理解するために,新しいビジュアル分析フレームワークであるTimeTunerを提案する。 TimeTunerは時系列表現を特徴付けるのに役立ち、機能エンジニアリングのプロセスを導くのに役立ちます。
  論文  参考訳（メタデータ） (2023-07-19T11:40:15Z)
• A Survey on Deep Learning based Time Series Analysis with Frequency Transformation [74.3919960186696]
  周波数変換(FT)は、時系列解析における最先端の精度と効率を高めるために、ディープラーニングモデルにますます取り入れられている。 この新興分野における注目の高まりと研究の高まりにもかかわらず、現在、FTを用いたディープラーニングベースの時系列モデルの体系的レビューと詳細な分析が欠如している。 本稿では,FTを用いた深層学習に基づく時系列解析における最近の研究成果を体系的に研究し,要約する総合的なレビューを紹介する。
  論文  参考訳（メタデータ） (2023-02-04T14:33:07Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• FENXI: Deep-learning Traffic Analytics at the Edge [69.34903175081284]
  本稿では,TPUを利用して複雑な解析を行うシステムであるFENXIを提案する。 FENXIは、さまざまな粒度で動作するオペレーションとトラフィック分析を分離する。 分析の結果,FENXIは限られた資源しか必要とせず,転送ラインレートのトラヒック処理を継続できることがわかった。
  論文  参考訳（メタデータ） (2021-05-25T08:02:44Z)
• Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
  クープマン理論に関連する新しい物理学に基づく手法が導入された。 本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。 このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
  論文  参考訳（メタデータ） (2020-03-04T18:24:30Z)
• Meta-learning framework with applications to zero-shot time-series forecasting [82.61728230984099]
  この研究は幅広いメタラーニングフレームワークを使って肯定的な証拠を提供する。 残余接続はメタラーニング適応機構として機能する。 我々は、ソースTSデータセット上でニューラルネットワークをトレーニングし、異なるターゲットTSデータセット上で再トレーニングすることなくデプロイできることを示します。
  論文  参考訳（メタデータ） (2020-02-07T16:39:43Z)

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。