論文の概要: Hierarchical Network Data Analytics Framework for B5G Network
Automation: Design and Implementation
- arxiv url: http://arxiv.org/abs/2309.16269v1
- Date: Thu, 28 Sep 2023 09:04:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-29 15:18:44.244295
- Title: Hierarchical Network Data Analytics Framework for B5G Network
Automation: Design and Implementation
- Title(参考訳): B5Gネットワーク自動化のための階層型ネットワークデータ分析フレームワーク:設計と実装
- Authors: Youbin Jeon and Sangheon Pack
- Abstract要約: 5Gは、より柔軟で柔軟な方法で新興サービスをサポートするために、モジュール化されたネットワーク機能(NF)を導入した。
本稿では,複数葉NWDAFに推論タスクを分散し,根元NWDAFでトレーニングタスクを行う階層型ネットワークデータ分析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): 4.786337974720721
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 5G introduced modularized network functions (NFs) to support emerging
services in a more flexible and elastic manner. To mitigate the complexity in
such modularized NF management, automated network operation and management are
indispensable, and thus the 3rd generation partnership project (3GPP) has
introduced a network data analytics function (NWDAF). However, a conventional
NWDAF needs to conduct both inference and training tasks, and thus it is
difficult to provide the analytics results to NFs in a timely manner for an
increased number of analytics requests. In this article, we propose a
hierarchical network data analytics framework (H-NDAF) where inference tasks
are distributed to multiple leaf NWDAFs and training tasks are conducted at the
root NWDAF. Extensive simulation results using open-source software (i.e.,
free5GC) demonstrate that H-NDAF can provide sufficiently accurate analytics
and faster analytics provision time compared to the conventional NWDAF.
- Abstract(参考訳): 5Gは、より柔軟で柔軟な方法で新興サービスをサポートするために、モジュール化されたネットワーク機能(NF)を導入した。
このようなモジュール化NF管理の複雑さを軽減するためには、ネットワークの自動化と管理が不可欠であり、第3世代パートナーシッププロジェクト(3GPP)がネットワークデータ分析機能(NWDAF)を導入している。
しかし、従来のNWDAFでは、推論とトレーニングの両方を行なわなければならないため、分析要求の増加に対して、解析結果をタイムリーにNFに提供することは困難である。
本稿では,複数葉NWDAFに推論タスクを分散し,根元NWDAFでトレーニングタスクを行う階層型ネットワークデータ分析フレームワーク(H-NDAF)を提案する。
オープンソースソフトウェア(例えばfree5GC)を用いた大規模なシミュレーションの結果、H-NDAFは従来のNWDAFと比較して十分な正確な分析と分析提供時間を提供できることを示した。
関連論文リスト
- Towards Cognitive Service Delivery on B5G through AIaaS Architecture [0.16070833439280313]
4Gから5Gへの移行は、ビジネス分野に向けたネットワークの統合において、AIに重大な意味を持つ。
本稿では,AI能力B5Gと6Gでコアネットワークをさらに強化するために必要なインターフェースを提示するNWDAFの進化フレームワークを提案する。
論文 参考訳(メタデータ) (2024-12-23T20:30:29Z) - Optimization Guarantees of Unfolded ISTA and ADMM Networks With Smooth
Soft-Thresholding [57.71603937699949]
我々は,学習エポックの数の増加とともに,ほぼゼロに近いトレーニング損失を達成するための最適化保証について検討した。
トレーニングサンプル数に対する閾値は,ネットワーク幅の増加とともに増加することを示す。
論文 参考訳(メタデータ) (2023-09-12T13:03:47Z) - Data-driven Predictive Latency for 5G: A Theoretical and Experimental
Analysis Using Network Measurements [0.7643181805997241]
本稿では,低周波分布としてユーザ平面遅延の解析式を提案する。
我々は、車載移動、密アーバン交通、および社会集会イベントのシナリオから収集されたデータを用いて予測フレームワークをテストする。
論文 参考訳(メタデータ) (2023-07-05T14:39:47Z) - An NWDAF Approach to 5G Core Network Signaling Traffic: Analysis and
Characterization [3.5573601621032935]
本稿では,5G Core(5GC)ネットワークとNetwork Data Analytics Function(NWDAF)の動作システムプロトタイプの実証に焦点をあてる。
ネットワーク生成データの解析は、教師なし学習、クラスタリングを通じてネットワーク内相互作用の中核を探索し、これらの結果を将来の機会と作業の洞察として評価する。
論文 参考訳(メタデータ) (2022-09-21T15:21:59Z) - Towards Supporting Intelligence in 5G/6G Core Networks: NWDAF
Implementation and Initial Analysis [3.5573601621032935]
本稿では,NWDAFをオープンソースソフトウェアを用いて開発した5Gネットワークに組み込む。
5Gネットワークの期待される限界は,6Gネットワーク開発へのモチベーションとして議論される。
論文 参考訳(メタデータ) (2022-05-30T14:15:46Z) - Network Calculus with Flow Prolongation -- A Feedforward FIFO Analysis
enabled by ML [73.11023209243326]
Flow Prolongation (FP) は遅延境界精度を大幅に改善することが示されている。
本稿では,機械学習を用いて拡張を予測することによって,FPをスケールするアプローチであるDeepFPを紹介する。
DeepFPは計算コストを無視して平均12.1%削減する。
論文 参考訳(メタデータ) (2022-02-07T08:46:47Z) - Self-Ensembling GAN for Cross-Domain Semantic Segmentation [107.27377745720243]
本稿では,セマンティックセグメンテーションのためのクロスドメインデータを利用した自己理解型生成逆数ネットワーク(SE-GAN)を提案する。
SE-GANでは、教師ネットワークと学生ネットワークは、意味分節マップを生成するための自己組織化モデルを構成する。
その単純さにもかかわらず、SE-GANは敵の訓練性能を大幅に向上させ、モデルの安定性を高めることができる。
論文 参考訳(メタデータ) (2021-12-15T09:50:25Z) - 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) - Learning to Solve the AC-OPF using Sensitivity-Informed Deep Neural
Networks [52.32646357164739]
最適な電力フロー(ACOPF)のソリューションを解決するために、ディープニューラルネットワーク(DNN)を提案します。
提案されたSIDNNは、幅広いOPFスキームと互換性がある。
他のLearning-to-OPFスキームとシームレスに統合できる。
論文 参考訳(メタデータ) (2021-03-27T00:45:23Z) - Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。
また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文 参考訳(メタデータ) (2020-12-01T11:46:03Z)
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。