网络应如何自我运行
利用机器学习方法,该研究介绍了一种高级网络流量分类系统,能够实时分析网络流量并识别各种网络服务类型。通过对网络流量中的模式进行分析,我们的方法将相似的网络流量归类为不同的网络服务,并将流量分解为多个小的流,每个流专门用于承载特定的服务。我们的机器学习模型基于包含不同网络服务类型的标记示例的数据集进行训练,并在评估中展现了出色的准确性。这些结果强调了将人工智能集成到无线技术中的巨大潜力,通过这种方法可以实现更高效的能源消耗、提供更好的服务质量保证以及优化网络资源的分配,为先进智能网络的发展打下坚实的基础。
Oct, 2023
通过利用人工智能进行半监督学习,本文介绍了一种针对 NFV 应用程序故障检测的方法,并创建了一个测试应用程序的配置文件,以检测异常行为并实现自动回滚功能,以避免网络停机。
Apr, 2018
本文将探讨机器学习、自动化、人工智能和大数据分析对于提高下一代无线网络的能力和效率的作用,发现这些新技术将有助于使下一代无线网络实现自适应、自我感知、预测和主动性,最终得出未来的无线网络运营商不能脱离人工智能和机器学习技术转变其操作框架的结论。
Dec, 2021
针对机器学习在实时决策中的应用,提出需要一种新的分布式执行框架来实现毫秒延迟、高吞吐、任务图的自适应构建以及异构内核的执行等一系列要求,并提出了一个候选方案,其架构已经获得了 63 倍的性能提升。
Mar, 2017
本文通过对深度学习和移动无线网络研究领域的全面调查,桥接了两个领域之间的鸿沟,并讨论了如何将深度学习技术应用到移动系统中,从而提出了当前研究的挑战和未来发展方向。
Mar, 2018
本文概述了人工智能在 5G 及以后无线网络中的应用,包括网络智能类型、机器学习以及应用案例,重点介绍了物理层、移动性管理、无线安全和定位方面的应用。
Nov, 2019