論文の概要: APDT: A Digital Twin for Assessing Access Point Characteristics in a Network

• arxiv url: http://arxiv.org/abs/2511.23009v1
• Date: Fri, 28 Nov 2025 09:19:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.839016
• Title: APDT: A Digital Twin for Assessing Access Point Characteristics in a Network
• Title（参考訳）: APDT: ネットワークにおけるアクセスポイント特性を評価するデジタルツイン
• Authors: D. Sree Yashaswinee, Gargie Tambe, Y. Raghu Reddy, Karthik Vaidhyanathan,
• Abstract要約: デジタルツイン(DT)は、リアルタイム監視、シミュレーション、予測保守を可能にするトランスフォーメーション技術として登場した。 本稿では,コンピュータネットワークのためのディジタルツインを提案することにより,クライアント密度の増大やトラフィックの混雑といった問題に焦点をあてる。 私たちのDigital Twinは、Access Point Digital Twin(APDT)と呼ばれ、ユーザの振る舞いを追跡し、帯域幅の要求を変更するために使われています。
• 参考スコア（独自算出の注目度）: 0.8166364251367626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital twins (DT) have emerged as a transformative technology, enabling real-time monitoring, simulations, and predictive maintenance across various domains, though their Application in the networking domain remains underexplored. This paper focuses on issues such as increasing client density and traffic congestion by proposing a digital twin for computer networks. Our Digital Twin, named Access Point Digital Twin (APDT) is used for tracking user behavior and changing bandwidth demands, directly impacting network performance and Quality of Service (QoS) parameters like latency, jitter, etc. APDT captures the real-time state of networks with data from access points (APs), enabling simulation-based analyses and predictive modelling. APDT facilitates the simulation of various what-if scenarios thereby providing a better understanding of various aspects of the network characteristics. We tested APDT on our University network. APDT uses data collected from three access points via the Ruckus SmartZone API and incorporates NS-3 based simulations. The simulation replicates a real-time snapshot from a Ruckus access point and models metrics such as latency and inter-packet transfer time. Additionally, a forecasting model predicts traffic congestion and suggests proactive client offloading, enhancing network management and performance optimization. Preliminary results indicate that APDT can successfully predict short-term traffic surges, leading to improved QoS and reduced traffic congestion.
• Abstract（参考訳）: デジタルツイン(DT)は、リアルタイム監視、シミュレーション、さまざまなドメインでの予測保守を可能にする、変革的な技術として登場した。 本稿では,コンピュータネットワークのためのディジタルツインを提案することにより,クライアント密度の増大やトラフィックの混雑といった問題に焦点をあてる。 当社のDigital Twinは、Access Point Digital Twin(APDT)という名称で、ユーザの動作を追跡し、帯域幅の要求を変更し、ネットワークのパフォーマンスに直接影響を与え、レイテンシやジッタなどのQuality of Service(QoS)パラメータに影響を与えます。 APDTは、アクセスポイント(AP)からのデータでネットワークのリアルタイム状態をキャプチャし、シミュレーションベースの分析と予測モデルを可能にする。 APDTは、様々なWhat-ifシナリオのシミュレーションを促進し、ネットワーク特性の様々な側面をよりよく理解する。 私たちは大学のネットワークでAPDTをテストしました。 APDTはRuckus SmartZone APIを通じて3つのアクセスポイントから収集されたデータを使用し、NS-3ベースのシミュレーションを組み込む。 このシミュレーションは、Ruckusアクセスポイントからリアルタイムスナップショットを複製し、レイテンシやパケット間転送時間などのメトリクスをモデル化する。 さらに、予測モデルはトラフィックの混雑を予測し、アクティブなクライアントのオフロードを提案し、ネットワーク管理とパフォーマンスの最適化を強化する。 予備的な結果は、APDTが短期的な交通急増を予測することに成功し、QoSの改善と交通渋滞の低減につながることを示唆している。

関連論文リスト

• FUSED-Net: Detecting Traffic Signs with Limited Data [2.111102681327218]
  本稿では,交通信号検出のための高速RCNN「FUSED-Net」を提案する。 従来のアプローチとは異なり、トレーニング中にすべてのパラメータを凍結しないようにし、限られたサンプルからFUSED-Netを学習できるようにします。 1ショット,3ショット,5ショット,10ショットのシナリオでそれぞれ2.4倍,2.2倍,1.5倍,1.3倍の改善を実現しています。
  論文  参考訳（メタデータ） (2024-09-23T09:34:42Z)
• Efficient Task Offloading Algorithm for Digital Twin in Edge/Cloud Computing Environment [14.14935102383516]
  デジタルツイン(DT)は、物理オブジェクトとデジタルワールドの間の橋渡しとして、様々な領域に力を与える。 Mobile Cloud Computing (MCC) と Mobile Edge Computing (MEC) は、リアルタイムフィードバックを実現する上で重要な要素の2つになっている。 異種MEC/MCC環境を考慮した新しいDTシステムモデルを提案する。
  論文  参考訳（メタデータ） (2023-07-12T03:31:34Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• PSTN: Periodic Spatial-temporal Deep Neural Network for Traffic Condition Prediction [8.255993195520306]
  本稿では,交通条件の予測性能を改善するために,周期的深部ニューラルネットワーク(PSTN)を3つのモジュールで提案する。 まず、歴史交通情報を折り畳み、グラフ畳み込みネットワークと時間畳み込みネットワークからなるモジュールに供給する。
  論文  参考訳（メタデータ） (2021-08-05T07:42:43Z)
• Multi-Exit Semantic Segmentation Networks [78.44441236864057]
  本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。 パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。 接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
  論文  参考訳（メタデータ） (2021-06-07T11:37:03Z)
• 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)
• Spatio-temporal Modeling for Large-scale Vehicular Networks Using Graph Convolutional Networks [110.80088437391379]
  SMARTと呼ばれるグラフベースのフレームワークが提案され、大規模な地理的領域にわたるV2I通信遅延の統計をモデル化し、追跡する。 深層Q-networksアルゴリズムと統合したグラフ畳み込みネットワークを用いたグラフ再構築型手法を開発する。 その結果,提案手法は,モデル化の精度と効率と,大規模車両ネットワークにおける遅延性能を有意に向上させることが示された。
  論文  参考訳（メタデータ） (2021-03-13T06:56:29Z)
• Temporal Pyramid Network for Action Recognition [129.12076009042622]
  本稿では,2次元あるいは3次元のバックボーンネットワークに柔軟に統合可能な汎用時間ピラミッドネットワーク(TPN)を提案する。 TPNは、いくつかのアクション認識データセット上で、他の困難なベースラインよりも一貫して改善されている。
  論文  参考訳（メタデータ） (2020-04-07T17:17:23Z)
• A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
  本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。 特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
  論文  参考訳（メタデータ） (2020-03-16T03:43:59Z)

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。