論文の概要: Improving the Reliability of Cable Broadband Networks via Proactive Network Maintenance
- arxiv url: http://arxiv.org/abs/2412.09564v1
- Date: Thu, 12 Dec 2024 18:49:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-13 13:30:54.727208
- Title: Improving the Reliability of Cable Broadband Networks via Proactive Network Maintenance
- Title（参考訳）: アクティブネットワーク保守によるケーブルブロードバンドネットワークの信頼性向上
- Authors: Jiyao Hu, Zhenyu Zhou, Xiaowei Yang,
- Abstract要約: ケーブルブロードバンドネットワークは、アメリカ合衆国で広く普及している数少ない「ラストマイル」ブロードバンド技術の一つである。
パブリックドメインの既存のツールは、高い偽陽性率を禁止しています。
PNMデータに機械学習技術を適用する最初のパブリックドメインシステムであるCableMonを提案する。
- 参考スコア（独自算出の注目度）: 12.235603878539546
- License:
- Abstract: Cable broadband networks are one of the few "last-mile" broadband technologies widely available in the U.S. Unfortunately, they have poor reliability after decades of deployment. The cable industry proposed a framework called Proactive Network Maintenance (PNM) to diagnose the cable networks. However, there is little public knowledge or systematic study on how to use these data to detect and localize cable network problems. Existing tools in the public domain have prohibitive high false-positive rates. In this paper, we propose CableMon, the first public-domain system that applies machine learning techniques to PNM data to improve the reliability of cable broadband networks. CableMon tackles two key challenges faced by cable ISPs: accurately detecting failures, and distinguishing whether a failure occurs within a network or at a subscriber's premise. CableMon uses statistical models to generate features from time series data and uses customer trouble tickets as hints to infer abnormal/failure thresholds for these generated features. Further, CableMon employs an unsupervised learning model to group cable devices sharing similar anomalous patterns and effectively identify impairments that occur inside a cable network and impairments occur at a subscriber's premise, as these two different faults require different types of technical personnel to repair them. We use eight months of PNM data and customer trouble tickets from an ISP and experimental deployment to evaluate CableMon's performance. Our evaluation results show that CableMon can effectively detect and distinguish failures from PNM data and outperforms existing public-domain tools.
- Abstract（参考訳）: ケーブルブロードバンドネットワークは、米国で広く普及している数少ない「ラストマイル」ブロードバンド技術の一つである。
ケーブル業界は、ケーブルネットワークを診断するためのPNM(Proactive Network maintenance)というフレームワークを提案した。
しかし、これらのデータをケーブルネットワーク問題の検出とローカライズに利用する方法については、公共の知識や体系的な研究はほとんどない。
パブリックドメインの既存のツールは、高い偽陽性率を禁止しています。
本稿では、PNMデータに機械学習技術を適用し、ケーブルブロードバンドネットワークの信頼性を向上させる最初のパブリックドメインシステムであるCableMonを提案する。
CableMonは、ケーブルISPが直面している2つの重要な課題に対処する。
CableMonは統計モデルを使用して時系列データから特徴を生成し、顧客のトラブルチケットをヒントとして、これらの特徴の異常/障害閾値を推測する。
さらにCableMonは、教師なし学習モデルを用いて、同様の異常パターンを共有するケーブルデバイスをグループ化し、ケーブルネットワーク内で発生する障害と、加入者の前提で発生する障害を効果的に識別する。
我々は、ISPから8ヶ月のPNMデータと顧客のトラブルチケットを使用して、CableMonのパフォーマンスを評価する。
評価の結果,CableMonはPNMデータからの障害を効果的に検出し,識別し,既存のパブリックドメインツールより優れていることがわかった。
関連論文リスト
- TelApart: Differentiating Network Faults from Customer-Premise Faults in Cable Broadband Networks [12.235603878539546]
本稿では,ケーブルブロードバンドネットワークの故障診断システムであるTelApartを紹介する。
TelApartの設計と統合することは、同じ異常パターンを共有するケーブルデバイスをグループ化する教師なしの機械学習モデルである。
我々は,ケーブルISPが提供した実世界のデータを用いて,TelApartが様々な種類の障害を効果的に識別できることを示す。
論文 参考訳（メタデータ） (2024-12-12T22:07:17Z) - Digital Twin-Assisted Data-Driven Optimization for Reliable Edge Caching in Wireless Networks [60.54852710216738]
我々はD-RECと呼ばれる新しいデジタルツインアシスト最適化フレームワークを導入し、次世代無線ネットワークにおける信頼性の高いキャッシュを実現する。
信頼性モジュールを制約付き決定プロセスに組み込むことで、D-RECは、有利な制約に従うために、アクション、報酬、状態を適応的に調整することができる。
論文 参考訳（メタデータ） (2024-06-29T02:40:28Z) - Simple Ingredients for Offline Reinforcement Learning [86.1988266277766]
オフライン強化学習アルゴリズムは、ターゲット下流タスクに高度に接続されたデータセットに有効であることが証明された。
既存の手法が多様なデータと競合することを示す。その性能は、関連するデータ収集によって著しく悪化するが、オフラインバッファに異なるタスクを追加するだけでよい。
アルゴリズム的な考慮以上のスケールが、パフォーマンスに影響を及ぼす重要な要因であることを示す。
論文 参考訳（メタデータ） (2024-03-19T18:57:53Z) - Fault Monitoring in Passive Optical Networks using Machine Learning
Techniques [0.0]
PONシステムにおける障害監視のための機械学習(ML)アプローチを提案する。
実験的な光時間領域反射法(OTDR)データを用いて検証する。
論文 参考訳（メタデータ） (2023-07-08T09:59:19Z) - User-aware WLAN Transmit Power Control in the Wild [11.221798523439045]
本論文は,何千人もの日次ユーザを対象とした実運用ネットワークにおけるユーザ認識型送電制御システムの評価を初めて行ったものである。
最先端のソリューションと比較して、新しいシステムは、空調干渉を同時に減少させながら、中央の信号強度を15dBm向上させることができる。
これは、端末の協調が欠如しているため、5dBmのアップリンク信号の減少という安価なコストが伴う。
論文 参考訳（メタデータ） (2023-02-21T13:51:05Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳（メタデータ） (2022-01-20T06:36:35Z) - Channel-wise Gated Res2Net: Towards Robust Detection of Synthetic Speech
Attacks [67.7648985513978]
自動話者検証(ASV)における既存のアンチスプーフィングのアプローチは、未確認攻撃に対する一般化性に欠ける。
本稿では,チャネルワイズゲーティング機構を実現するためにRes2Netを改良した新しいCG-Res2Netを提案する。
論文 参考訳（メタデータ） (2021-07-19T12:27:40Z) - Condition Assessment of Stay Cables through Enhanced Time Series
Classification Using a Deep Learning Approach [4.648677931378919]
本研究では,無傷状態からバイアスパターンを認識し,測定ケーブル力によるケーブル損傷を検知するデータ駆動方式を提案する。
提案手法は, ケーブルを損傷したケーブル架設橋上で試験した。
論文 参考訳（メタデータ） (2021-01-11T05:08:19Z) - Proactive Network Maintenance using Fast, Accurate Anomaly Localization
and Classification on 1-D Data Series [2.8876310962094727]
PNM(Proactive Network maintenance)は、ネットワークからのデータを使用してネットワークの障害を特定し、特定する概念である。
本稿では,Deep Convolutional Neural Networksを利用して,データ系列上の異常や事象を効率的かつ正確に検出するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-17T04:27:20Z) - Harnessing Wireless Channels for Scalable and Privacy-Preserving
Federated Learning [56.94644428312295]
無線接続は、フェデレートラーニング(FL)の実現に有効である
Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。
A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。
これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
論文 参考訳（メタデータ） (2020-07-03T16:31:15Z)
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。