論文の概要: Data-Driven Latency Probability Prediction for Wireless Networks:
Focusing on Tail Probabilities
- arxiv url: http://arxiv.org/abs/2307.10648v1
- Date: Thu, 20 Jul 2023 07:23:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-21 14:21:48.988190
- Title: Data-Driven Latency Probability Prediction for Wireless Networks:
Focusing on Tail Probabilities
- Title（参考訳）: 無線ネットワークにおけるデータ駆動遅延確率予測:テール確率に着目して
- Authors: Samie Mostafavi, Gourav Prateek Sharma, James Gross
- Abstract要約: スイッチングネットワークのこれらの要件を達成するために、TSN(Time-sensitive Network)を使用することができる。
無線リンクを99.999%の信頼性レベルに適合させるためには、遅延確率分布における極めて稀な外れ値の挙動を分析し、制御する必要がある。
この研究は、最先端のデータ駆動アプローチを用いて、レイテンシ分布のテールを予測することを提案する。
- 参考スコア（独自算出の注目度）: 10.723338393736219
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the emergence of new application areas, such as cyber-physical systems
and human-in-the-loop applications, there is a need to guarantee a certain
level of end-to-end network latency with extremely high reliability, e.g.,
99.999%. While mechanisms specified under IEEE 802.1as time-sensitive
networking (TSN) can be used to achieve these requirements for switched
Ethernet networks, implementing TSN mechanisms in wireless networks is
challenging due to their stochastic nature. To conform the wireless link to a
reliability level of 99.999%, the behavior of extremely rare outliers in the
latency probability distribution, or the tail of the distribution, must be
analyzed and controlled. This work proposes predicting the tail of the latency
distribution using state-of-the-art data-driven approaches, such as mixture
density networks (MDN) and extreme value mixture models, to estimate the
likelihood of rare latencies conditioned on the network parameters, which can
be used to make more informed decisions in wireless transmission. Actual
latency measurements of IEEE 802.11g (WiFi), commercial private and a
software-defined 5G network are used to benchmark the proposed approaches and
evaluate their sensitivities concerning the tail probabilities.
- Abstract（参考訳）: サイバー物理システムやヒューマン・イン・ザ・ループ・アプリケーションといった新しい応用分野が出現するにつれ、あるレベルのエンドツーエンドのネットワーク遅延を極めて高い信頼性(例えば99.999%)で保証する必要がある。
IEEE 802.1as のタイムセンシティブネットワーク (TSN) で規定されるメカニズムは、スイッチングイーサネットネットワークのこれらの要件を達成するのに利用できるが、無線ネットワークにおけるTSN機構の実装は、その確率的性質のため難しい。
無線リンクを99.999%の信頼性レベルに適合させるためには、遅延確率分布や分布の尾部における極めて稀な外れ値の挙動を分析し、制御する必要がある。
本研究は, 混合密度ネットワーク(MDN)や極値混合モデルなどの最先端データ駆動手法を用いて遅延分布の尾部を予測し, 無線伝送においてより情報的な決定を行うことのできる, ネットワークパラメータに条件付けられた稀なレイテンシの確率を推定することを提案する。
IEEE 802.11g(WiFi)、商用プライベート、ソフトウェア定義5Gネットワークの実際の遅延測定は、提案手法をベンチマークし、テール確率に対する感度を評価するために使用される。
関連論文リスト
- On the Accuracy and Precision of Moving Averages to Estimate Wi-Fi Link Quality [0.8999666725996974]
移動平均に基づいて無線リンク品質を推定する手法を解析した。
結果は、無線ネットワークの予測不能を緩和するために人工知能をどのように使用できるかを研究する際に、ベースラインとして使用できる。
論文 参考訳（メタデータ） (2024-11-19T06:28:58Z) - Mixing Neural Networks and Exponential Moving Averages for Predicting Wireless Links Behavior [0.8999666725996974]
密集した屋内環境におけるWi-Fiリンク品質予測のための2つのニューラルネットワークモデルについて検討した。
実験結果から, 指数移動平均に基づく従来の手法よりも精度が優れていた。
これは、困難な運用環境でのスペクトルの振る舞いを予測するニューラルネットワークの可能性を強調している。
論文 参考訳（メタデータ） (2024-11-17T22:13:07Z) - DRL Optimization Trajectory Generation via Wireless Network Intent-Guided Diffusion Models for Optimizing Resource Allocation [58.62766376631344]
本稿では、無線通信ネットワークの異なる状態変化に対応するために、カスタマイズされた無線ネットワークインテント(WNI-G)モデルを提案する。
大規模シミュレーションにより、動的通信システムにおけるスペクトル効率と従来のDRLモデルの変動の安定性が向上する。
論文 参考訳（メタデータ） (2024-10-18T14:04:38Z) - Securing Distributed Network Digital Twin Systems Against Model Poisoning Attacks [19.697853431302768]
ディジタルツイン(DT)は、リアルタイム監視、予測、意思決定能力の向上を具現化する。
本研究では,分散ネットワークDTシステムにおけるセキュリティ上の課題について検討し,その後のネットワークアプリケーションの信頼性を損なう可能性がある。
論文 参考訳（メタデータ） (2024-07-02T03:32:09Z) - Distributed Multi-Agent Deep Q-Learning for Fast Roaming in IEEE
802.11ax Wi-Fi Systems [8.057006406834466]
Wi-Fi 6 IEEE 802.11axは無線ローカルネットワーク(WLAN)の第6世代(6G)技術として承認された。
本稿では,Wi-Fi 6 システムにおける Smart Warehouse 用ステーションローミングにおける遅延を効果的に抑えるために,高速ローミング (MADAR) アルゴリズムのためのマルチエージェント深層Q-ラーニングを提案する。
論文 参考訳（メタデータ） (2023-03-25T04:39:59Z) - Task-Oriented Prediction and Communication Co-Design for Haptic
Communications [20.20316445430853]
本稿では,ハプティックコミュニケーションのためのタスク指向予測・コミュニケーション協調フレームワークを提案する。
提案したフレームワークは、タスクに依存しないベンチマークと比較して、無線リソースの消費を最大77.80%削減できる。
論文 参考訳（メタデータ） (2023-02-21T23:39:37Z) - Adaptive, Continuous Entanglement Generation for Quantum Networks [59.600944425468676]
量子ネットワークは情報伝達のために、遠方のノードにおける量子ビット間の絡み合いに依存している。
本稿では、前回の要求からの情報を用いてランダムに生成された量子リンクの選択をガイドする適応型スキームを提案する。
また、遅延性能の違いが量子ネットワークのリソースの最適な割り当ての必要性を示唆する量子メモリ割り当てシナリオについても検討する。
論文 参考訳（メタデータ） (2022-12-17T05:40:09Z) - Data-Driven Random Access Optimization in Multi-Cell IoT Networks with
NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。
本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。
ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文 参考訳（メタデータ） (2021-01-02T15:21:08Z) - Probabilistic electric load forecasting through Bayesian Mixture Density
Networks [70.50488907591463]
確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。
ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。
後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
論文 参考訳（メタデータ） (2020-12-23T16:21:34Z) - Enabling certification of verification-agnostic networks via
memory-efficient semidefinite programming [97.40955121478716]
本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。
L-inf の精度は 1% から 88% ,6% から 40% に改善した。
また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
論文 参考訳（メタデータ） (2020-10-22T12:32:29Z) - Deep Learning for Radio Resource Allocation with Diverse
Quality-of-Service Requirements in 5G [53.23237216769839]
本研究では,基地局の最適資源配分ポリシーを近似するディープラーニングフレームワークを開発する。
完全接続ニューラルネットワーク(NN)は,近似誤差とサブキャリア数の量子化誤差により,要求を完全に保証できないことがわかった。
無線チャネルの分布と無線ネットワークにおけるサービスのタイプが定常的でないことを考慮し,非定常的無線ネットワークにおけるNNの更新にディープトランスファー学習を適用した。
論文 参考訳（メタデータ） (2020-03-29T04:48:22Z)
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。