ご案内 入会して研究会活動をもっとお得に!研究会参加費・年間登録費が会員価格になります。
お知らせ 【重要】研究会参加費の支払いおよび原稿アップロード手続きの変更に関するご案内
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 2021-10-08 11:30
ネットワークスライスに対する機械学習による接続予測と待ち行列理論による性能解析を用いた動的資源割当
亀山裕司川合佑樹橘 拓至福井大NS2021-81
抄録 (和) 第5世代移動通信システム(5G)では,サービス要件である高速大容量(eMBB),多数同時接続(mMTC),高信頼・低遅延(URLLC)を満たすために,5Gコアネットワーク上において,ネットワーク資源を分割して仮想的なネットワーク(ネットワークスライス)を構築するネットワークスライシングが利用される.
このネットワークスライシングによって,サービス要件ごとに異なる機能・性能をもつネットワークスライスを構築でき,各端末をサービス要件に応じて適切なスライスに接続してサービスを提供する.

本稿では,情報の一部が不足・欠落している接続リクエストに対して,機械学習による接続予測技術を確立する.
本予測技術では,アンサンブル学習であるスタッキングを使用して,接続リクエストの接続先ネットワークスライスに加えて,サービス要件であるパケット損失率と伝送遅延を予測する.
さらに,予測した接続リクエストに応じてネットワークスライスの資源を変更する動的資源割当を提案する.
この動的資源割当では,待ち行列理論による性能解析を利用して予測した情報リクエストに従って割当資源量を変更する.
提案法の性能をシミュレーションによって評価し,提案法の有効性を評価する.
評価結果から,提案法の有効性を調査する. 
(英) In order to meet the service requirements of high speed and large capacity (eMBB), multiple simultaneous connections (mMTC), and high reliability and low latency (URLLC), the fifth generation mobile communication system (5G) uses network slicing, which divides network resources and constructs virtual networks (network slices) in the 5G core network.
This network slicing enables the construction of network slices with different functions and performance for each service requirement, and each mobile terminal is connected to the appropriate slice according to the service requirement to provide the service.

In this paper, we propose a connection prediction technique based on machine learning for connection requests in which some information is missing.
This prediction technique uses stacking, which is an ensemble learning technique, to predict not only the network slice to which the connection request will be connected, but also the packet loss rate and transmission delay.
We also propose a dynamic resource allocation method that changes the resources of network slices according to the predicted connection requests.
We evaluate the performance of the proposed method by simulation and evaluate the effectiveness of the proposed method.
From the evaluation results, we investigate the effectiveness of the proposed method.
キーワード (和) ネットワークスライシング / 機械学習 / 接続予測 / 待ち行列理論 / 資源割当 / / /  
(英) Network Slicing / Machine Learning / Connection Prediction / Queueing Theory / Resource Allocation / / /  
文献情報 信学技報, vol. 121, no. 185, NS2021-81, pp. 70-75, 2021年10月.
資料番号 NS2021-81 
発行日 2021-09-29 (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 NS2021-81

研究会情報
研究会 NS  
開催期間 2021-10-06 - 2021-10-08 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) ネットワークアーキテクチャ(オーバレイ、P2P、ユビキタスNW、スケールフリーNW、アクティブNW、NGN・新世代NW、IoT、エッジコンピューティング)、次世代パケットトランスポート(高速Ethernet、IP over WDM、マルチサービスパケット技術、MPLS)、グリッド、一般 
テーマ(英) Network architecture (Overlay, P2P, Ubiquitous network, Scale-free network, Active network, NGN/NwGN, IoT, Edge computing, Next generation packet transport (High speed Ethernet, IP over WDM, Multi-service package technology, MPLS), Grid, etc. 
講演論文情報の詳細
申込み研究会 NS 
会議コード 2021-10-NS 
本文の言語 日本語 
タイトル(和) ネットワークスライスに対する機械学習による接続予測と待ち行列理論による性能解析を用いた動的資源割当 
サブタイトル(和)  
タイトル(英) Dynamic Resource Allocation for Network Slices Based on Connection Prediction with Machine Learning and Performance Analysis with Queueing Theory 
サブタイトル(英)  
キーワード(1)(和/英) ネットワークスライシング / Network Slicing  
キーワード(2)(和/英) 機械学習 / Machine Learning  
キーワード(3)(和/英) 接続予測 / Connection Prediction  
キーワード(4)(和/英) 待ち行列理論 / Queueing Theory  
キーワード(5)(和/英) 資源割当 / Resource Allocation  
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) 亀山 裕司 / Yuji Kameyama / カメヤマ ユウジ
第1著者 所属(和/英) 福井大学 (略称: 福井大)
University of Fukui (略称: Univ. Fukui)
第2著者 氏名(和/英/ヨミ) 川合 佑樹 / Yuki Kawai / カワイ ユウキ
第2著者 所属(和/英) 福井大学 (略称: 福井大)
University of Fukui (略称: Univ. Fukui)
第3著者 氏名(和/英/ヨミ) 橘 拓至 / Takuji Tachibana / タチバナ タクジ
第3著者 所属(和/英) 福井大学 (略称: 福井大)
University of Fukui (略称: Univ. Fukui)
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
第21著者 氏名(和/英/ヨミ) / /
第21著者 所属(和/英) (略称: )
(略称: )
第22著者 氏名(和/英/ヨミ) / /
第22著者 所属(和/英) (略称: )
(略称: )
第23著者 氏名(和/英/ヨミ) / /
第23著者 所属(和/英) (略称: )
(略称: )
第24著者 氏名(和/英/ヨミ) / /
第24著者 所属(和/英) (略称: )
(略称: )
第25著者 氏名(和/英/ヨミ) / /
第25著者 所属(和/英) (略称: )
(略称: )
第26著者 氏名(和/英/ヨミ) / /
第26著者 所属(和/英) (略称: )
(略称: )
第27著者 氏名(和/英/ヨミ) / /
第27著者 所属(和/英) (略称: )
(略称: )
第28著者 氏名(和/英/ヨミ) / /
第28著者 所属(和/英) (略称: )
(略称: )
第29著者 氏名(和/英/ヨミ) / /
第29著者 所属(和/英) (略称: )
(略称: )
第30著者 氏名(和/英/ヨミ) / /
第30著者 所属(和/英) (略称: )
(略称: )
第31著者 氏名(和/英/ヨミ) / /
第31著者 所属(和/英) (略称: )
(略称: )
第32著者 氏名(和/英/ヨミ) / /
第32著者 所属(和/英) (略称: )
(略称: )
第33著者 氏名(和/英/ヨミ) / /
第33著者 所属(和/英) (略称: )
(略称: )
第34著者 氏名(和/英/ヨミ) / /
第34著者 所属(和/英) (略称: )
(略称: )
第35著者 氏名(和/英/ヨミ) / /
第35著者 所属(和/英) (略称: )
(略称: )
第36著者 氏名(和/英/ヨミ) / /
第36著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2021-10-08 11:30:00 
発表時間 25分 
申込先研究会 NS 
資料番号 NS2021-81 
巻番号(vol) vol.121 
号番号(no) no.185 
ページ範囲 pp.70-75 
ページ数
発行日 2021-09-29 (NS) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会