| 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 | 2024-12-05 16:40 多出力ガウス過程を用いたネットワーク帯域予測の精度向上 ○陳 淑徳・城間政司・名嘉村盛和・仲地孝之（琉球大）  SIS2024-39 |
|
| 抄録 | （和） | 本稿では、多出力ガウス過程（Multi-Output Gaussian Process: MOGP）を用いたネットワーク帯域の予測モデルを提案する。従来の予測手法には、確率的手法であるARIMAや深層学習に基づくLSTMが一般的に用いられてきたが、これらの手法は、線形性の制約やデータセットと計算リソースを必要とするなどの課題を抱えている。これに対処するために、本研究では、非線形データ構造に対応し、少量データの状況下でも高精度な予測が可能なガウス過程（Gaussian Process: GP）に注目する。特に、複数出力を扱うMOGPモデルを用いることで、予測精度の向上を図る。MOGPモデルの利用においては、時間スケールの異なる新たな信号を生成し、相互チャネル間の相関を利用することで、各チャネルの特性をより正確に反映した予測を実現する。シミュレーションでは、インターネットの複数経路の信号データセットを使用し、提案モデルの有効性を検証した。その結果、提案手法は従来手法に比べ、RMSEにおいて優れた予測精度を示し、ネットワークト帯域の予測精度の向上が確認された。 |
| （英） | In this report, we propose a network bandwidth prediction model utilizing a Multi-Output Gaussian Process (MOGP). Conventional prediction approaches, such as stochastic ARIMA and deep learning-based LSTM, are commonly employed but face challenges, including limitations in capturing non-linear characteristics and high data and computational resource demands. To overcome these challenges, this research leverages Gaussian Processes (GP), which are capable of handling non-linear data structures and providing accurate predictions even with limited data, by utilizing MOGP to manage multiple outputs for enhanced prediction accuracy. The proposed method improves prediction accuracy by exploiting inter-channel correlations, where new signals are generated by summing adjacent signals, thereby expanding the input signal set. This approach strengthens the information derived from the original signals, allowing for predictions that better reflect the unique characteristics of each channel. Experimental results using multi-channel signal datasets validate the effectiveness of the proposed model. Compared to conventional methods, the MOGP model demonstrates superior predictive performance in terms of Root Mean Squared Error (RMSE), confirming its reliability and potential for real-time network traffic prediction. | |
| キーワード | （和） | ネットワークトラフィック予測 / マルチチャネル信号 / ガウス過程 / 信号処理 / 相関分析 / 機械学習 / / |
| （英） | Network traffic prediction / Multi-channel signals / Gaussian process / Signal processing / Correlation analyze / Machine learning / / | |
| 文献情報 | 信学技報, vol. 124, no. 288, SIS2024-39, pp. 49-54, 2024年12月. | |
| 資料番号 | SIS2024-39 | |
| 発行日 | 2024-11-28 (SIS) | |
| 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 | SIS2024-39 |
|
| 研究会情報 | |
| 研究会 | SIS |
| 開催期間 | 2024-12-05 - 2024-12-06 |
| 開催地（和） | 大阪電気通信大学 |
| 開催地（英） | Osaka Electro-Communication University |
| テーマ（和） | スマートパーソナルシステム，一般 |
| テーマ（英） | Smart Personal Sysytems, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIS |
| 会議コード | 2024-12-SIS |
| 本文の言語 | 日本語 |
| タイトル（和） | 多出力ガウス過程を用いたネットワーク帯域予測の精度向上 |
| サブタイトル（和） | |
| タイトル（英） | Improving Accuracy of Network Bandwidth Prediction Using Multi-Output Gaussian Process Regression |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ネットワークトラフィック予測 / Network traffic prediction |
| キーワード(2)（和/英） | マルチチャネル信号 / Multi-channel signals |
| キーワード(3)（和/英） | ガウス過程 / Gaussian process |
| キーワード(4)（和/英） | 信号処理 / Signal processing |
| キーワード(5)（和/英） | 相関分析 / Correlation analyze |
| キーワード(6)（和/英） | 機械学習 / Machine learning |
| 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） | 陳 淑徳 / Chen shude / チン シュクトク |
| 第1著者 所属（和/英） | 琉球大学 (略称： 琉球大) University of the Ryukyus (略称： Ryudai) |
| 第2著者 氏名（和/英/ヨミ） | 城間 政司 / Shiroma Tadashi / シロマ タダシ |
| 第2著者 所属（和/英） | 琉球大学 (略称： 琉球大) University of the Ryukyus (略称： Ryudai) |
| 第3著者 氏名（和/英/ヨミ） | 名嘉村 盛和 / Nakamura Morikazu / ナカムラ モリカズ |
| 第3著者 所属（和/英） | 琉球大学 (略称： 琉球大) University of the Ryukyus (略称： Ryudai) |
| 第4著者 氏名（和/英/ヨミ） | 仲地 孝之 / Nakachi Takayuki / ナカチ タカユキ |
| 第4著者 所属（和/英） | 琉球大学 (略称： 琉球大) University of the Ryukyus (略称： Ryudai) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-12-05 16:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIS |
| 資料番号 | SIS2024-39 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.288 |
| ページ範囲 | pp.49-54 |
| ページ数 | 6 |
| 発行日 | 2024-11-28 (SIS) |
[研究会発表申込システムのトップページに戻る]