論文の概要: CHESTNUT: A QoS Dataset for Mobile Edge Environments

• arxiv url: http://arxiv.org/abs/2410.19248v1
• Date: Fri, 25 Oct 2024 01:56:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-28 13:36:12.559695
• Title: CHESTNUT: A QoS Dataset for Mobile Edge Environments
• Title（参考訳）: CHESTNUT - モバイルエッジ環境のためのQoSデータセット
• Authors: Guobing Zou, Fei Zhao, Shengxiang Hu,
• Abstract要約: QoS(Quality of Service)は、ネットワークサービスのパフォーマンスを測定する重要な指標である。 収集過程におけるサービス品質の時間的・地理的な位置情報を正確に記録する新しいデータセットを提案する。
• 参考スコア（独自算出の注目度）: 6.819995534984934
• License:
• Abstract: Quality of Service (QoS) is an important metric to measure the performance of network services. Nowadays, it is widely used in mobile edge environments to evaluate the quality of service when mobile devices request services from edge servers. QoS usually involves multiple dimensions, such as bandwidth, latency, jitter, and data packet loss rate. However, most existing QoS datasets, such as the common WS-Dream dataset, focus mainly on static QoS metrics of network services and ignore dynamic attributes such as time and geographic location. This means they should have detailed the mobile device's location at the time of the service request or the chronological order in which the request was made. However, these dynamic attributes are crucial for understanding and predicting the actual performance of network services, as QoS performance typically fluctuates with time and geographic location. To this end, we propose a novel dataset that accurately records temporal and geographic location information on quality of service during the collection process, aiming to provide more accurate and reliable data to support future QoS prediction in mobile edge environments.
• Abstract（参考訳）: QoS(Quality of Service)は、ネットワークサービスのパフォーマンスを測定する重要な指標である。 今日では、モバイルデバイスがエッジサーバからサービスを要求するときのサービス品質を評価するために、モバイルエッジ環境で広く使用されている。 QoSは通常、帯域幅、レイテンシ、ジッタ、データパケット損失率などの複数の次元を含む。 しかし、WS-Dreamデータセットのような既存のQoSデータセットのほとんどは、主にネットワークサービスの静的QoSメトリクスに焦点を当て、時間や地理的位置などの動的な属性を無視している。 つまり、サービス要求の時点でのモバイルデバイスの位置や、リクエストが行われた時系列の順序を詳細に知る必要がある。 しかし、これらの動的属性は、QoSのパフォーマンスが時間と地理的位置によって変動するため、ネットワークサービスの実際のパフォーマンスを理解し予測するために重要である。 そこで本研究では,モバイルエッジ環境におけるQoS予測を支援するための,より正確で信頼性の高いデータの提供を目的として,収集プロセス中のサービス品質に関する時間的および地理的位置情報を正確に記録する新しいデータセットを提案する。

関連論文リスト

• Satellite Streaming Video QoE Prediction: A Real-World Subjective Database and Network-Level Prediction Models [59.061552498630874]
  LIVE-Viasat Real-World Satellite QoE Databaseを紹介する。 このデータベースは、現実世界のストリーミングサービスから記録された179のビデオで構成されている。 本稿では,QoE予測モデルの有効性を評価することで,この新たな資源の有用性を実証する。 また、ネットワークパラメータを予測された人間の知覚スコアにマッピングする新しいモデルを作成しました。
  論文  参考訳（メタデータ） (2024-10-17T18:22:50Z)
• Learning Cellular Network Connection Quality with Conformal [5.695027198038298]
  我々は不確実性マップを構築するための新しい共形予測手法を導入する。 我々は、目標とする手動データ収集を優先するために、不確実性の高い地域を特定する。 また,提案手法は,研究者が高品質なデータを選択的に収集するためのサンプリング戦略にも繋がる。
  論文  参考訳（メタデータ） (2024-06-04T19:33:00Z)
• QoS prediction in radio vehicular environments via prior user information [54.853542701389074]
  セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。 具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
  論文  参考訳（メタデータ） (2024-02-27T17:05:41Z)
• 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)
• ARRQP: Anomaly Resilient Real-time QoS Prediction Framework with Graph Convolution [0.16317061277456998]
  我々は、データ内の異常に対するレジリエンスを改善することに焦点を当てたリアルタイム予測フレームワーク(ARRQP)を導入する。 ARRQPはコンテキスト情報と協調的な洞察を統合し、ユーザとサービスのインタラクションの包括的な理解を可能にする。 ベンチマークWS-DREAMデータセットの結果は、正確でタイムリーな予測を達成する上で、フレームワークの有効性を示している。
  論文  参考訳（メタデータ） (2023-09-22T04:37:51Z)
• On Inferring User Socioeconomic Status with Mobility Records [61.0966646857356]
  本稿では,DeepSEIと呼ばれる,社会経済に配慮したディープモデルを提案する。 DeepSEIモデルはディープネットワークとリカレントネットワークと呼ばれる2つのネットワークを組み込んでいる。 実際の移動記録データ、POIデータ、住宅価格データについて広範な実験を行う。
  論文  参考訳（メタデータ） (2022-11-15T15:07:45Z)
• Benchmarking high-fidelity pedestrian tracking systems for research, real-time monitoring and crowd control [55.41644538483948]
  実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。 この技術が進歩するにつれて、社会においても益々有用になってきている。 歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。 我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
  論文  参考訳（メタデータ） (2021-08-26T11:45:26Z)
• GAIA: A Transfer Learning System of Object Detection that Fits Your Needs [136.60609274344893]
  大規模データセットの事前学習によるトランスファーラーニングは,コンピュータビジョンや自然言語処理において,ますます重要な役割を担っている。 本稿では,物体検出の領域に着目し,GAIAと呼ばれる移動学習システムを提案する。 GAIAは、レイテンシ制約や指定されたデータドメインなどの下流要求に適合するモデルを選択する、強力な事前訓練されたウェイトを提供することができる。
  論文  参考訳（メタデータ） (2021-06-21T18:24:20Z)
• Generation of Realistic Cloud Access Times for Mobile Application Testing using Transfer Learning [2.561649173827544]
  本稿では,Long Short Term Memory(LSTM)ニューラルネットを用いた伝達学習に基づく計測駆動手法について述べる。 本機能は,多様なターゲット環境に適応した現実的なWiFiおよびLTEクラウドアクセス時間モデルに対して提案する。 これらのモデルから生成された合成トレースは、アプリケーションqoeメトリック分布を正確に再現できることを実証する。
  論文  参考訳（メタデータ） (2021-03-16T22:42:34Z)
• Real-Time Segmentation Networks should be Latency Aware [0.0]
  「平均対合(mIoU)における平均対合(mIoU)の性能指標は、これらのネットワークがリアルタイムに運用する際の真の性能を推定するために必要な情報を完全には捉えていない。」 ネットワークが処理を完了したときの将来の入力フレームにマッチする将来の出力セグメンテーションマップを予測することを提案する。
  論文  参考訳（メタデータ） (2020-04-06T11:41:31Z)
• On the Path to High Precise IP Geolocation: A Self-Optimizing Model [0.0]
  IPジオロケーション(IP Geolocation)は、将来のインターネットにおいて、アプリケーションサービスのための地理的位置情報を提供するための重要な手段である。 本稿では,位置決定のための高精度かつ自己最適化モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-03T12:45:27Z)

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。