| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-11-21 10:45 深層学習を用いたネットワークトラヒック予測における属性情報の有用性の検討 ○徳山雄丈・福島行信・樽谷優弥・横平徳美（岡山大）  NS2019-122 |
|
| 抄録 | （和） | ネットワーク事業者が設備投資やトラヒックエンジニアリングを適切に実施するためには，将来のトラヒック量を極力正確に予測することが重要である． 従来，ネットワークトラヒックの予測法として，リカレントニューラルネットワーク(RNN) を用いた予測法(RNN 法) が提案されている． RNN 法は入力情報としてトラヒック量のみを用いており，トラヒックの属性情報(時刻や曜日など) は用いていない． しかし，トラヒック量は時刻や曜日に応じて周期的に変化する傾向を示すことから，入力情報としてトラヒック量に加えて時刻や曜日を用いることで予測精度をさらに向上させることが期待できる． そこで本研究では，RNN 法において入力情報としてトラヒックの属性情報を用いることの有用性を調査する． 実験の結果，時刻と曜日のいずれも予測精度の向上に有効であり，特に曜日が予測精度の向上に大きく寄与することが明らかとなった． |
| （英） | It is crucial for network operators to predict network traffic in the future as accurate as possible for appropriate resource provisioning and traffic engineering. In conventional studies, recurrent neural network (RNN) methods are considered to be the most promising prediction methods because of their high prediction accuracy. RNN methods use only time series of traffic volume as input, and do not use any attribute information (e.g., timestamp and day of the week) of the time series data. However, traffic volume changes depending on both time and day of the week. Therefore, it is possible that we can further improve the prediction accuracy of the RNN methods by using the attribute information as input, in addition to the time series of traffic volume. In this paper, we investigate the effect of using the attribute information on prediction accuracy in network traffic prediction using RNN methods. Experimental results show that both timestamp and day of the week information are effective for improving the prediction accuracy, especially day of the week information significantly improves the prediction accuracy. |
|
| キーワード | （和） | ネットワークトラヒック予測 / 深層学習 / リカレントニューラルネットワーク / / / / / |
| （英） | Network Traffic Prediction / Deep Learning / Recurrent Neural Network / / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 297, NS2019-122, pp. 13-18, 2019年11月. | |
| 資料番号 | NS2019-122 | |
| 発行日 | 2019-11-14 (NS) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NS2019-122 |
|
| 研究会情報 | |
| 研究会 | NS ICM CQ NV |
| 開催期間 | 2019-11-21 - 2019-11-22 |
| 開催地（和） | 神戸大学 六甲台第2キャンパス |
| 開催地（英） | Rokkodai 2nd Campus, Kobe Univ. |
| テーマ（和） | ネットワーク品質，ネットワーク計測・管理，ネットワーク仮想化，ネットワークサービス，ブロックチェーン，セキュリティ，ネットワークインテリジェンス・AI，一般 注：NV研究会は発表申込み締切日が異なります。NV研究会への発表申込はこちらからお願いします。 |
| テーマ（英） | Network quality, Network measurement/management, Network virtualization, Network service, Blockchain, Security, Network intelligence, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NS |
| 会議コード | 2019-11-NS-ICM-CQ-NV |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習を用いたネットワークトラヒック予測における属性情報の有用性の検討 |
| サブタイトル（和） | |
| タイトル（英） | Investigation of The Effect of Using Attribute Information in Network Traffic Prediction with Deep Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ネットワークトラヒック予測 / Network Traffic Prediction |
| キーワード(2)（和/英） | 深層学習 / Deep Learning |
| キーワード(3)（和/英） | リカレントニューラルネットワーク / Recurrent Neural Network |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 徳山 雄丈 / Yusuke Tokuyama / トクヤマ ユウスケ |
| 第1著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 福島 行信 / Yukinobu Fukushima / フクシマ ユキノブ |
| 第2著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 樽谷 優弥 / Yuya Tarutani / タルタニ ユウヤ |
| 第3著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 横平 徳美 / Tokumi Yokohira / ヨコヒラ トクミ |
| 第4著者 所属（和/英） | 岡山大学 (略称： 岡山大) Okayama University (略称： Okayama Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-11-21 10:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NS |
| 資料番号 | NS2019-122 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.297 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2019-11-14 (NS) |
[研究会発表申込システムのトップページに戻る]