| 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 | 2026-03-06 10:10 マルチモーダル深層学習による輻輳回避のための経路制御 ○金子祥大・馬場健一（工学院大）  IN2025-96 |
|
| 抄録 | （和） | 近年，クラウドサービスや動画配信，IoT の普及に伴い，ネットワーク上を流れるトラフィック量は増大し，ネットワーク構造は大規模化，複雑化している．このような環境では，特定のリンクへのトラフィック集中による輻輳が問題となり，限られたネットワークリソースを効率的に活用するためのトラフィックエンジニアリングが注目されている．既存研究では，深層学習を用いてネットワーク全体のトラフィック情報から経路を一括で設計する手法が提案されているが，すべてのトラフィック情報を必要とする点で，計算量やスケーラビリティが課題となっている．そこで本稿では，一部のトラフィック要求情報とリンク利用率を入力とした，マルチモーダル深層学習による経路制御手法を提案する．シミュレーション評価により，提案手法が最短経路ルーティングと比較して輻輳を抑制し，部分的な情報のみを用いた場合でも有効な負荷分散が可能であることがわかった． |
| （英） | In recent years, with the widespread adoption of cloud services, video streaming, and IoT technologies, the volume of traffic flowing through networks has increased significantly, leading to large-scale and increasingly complex network structures. In such environments, congestion caused by traffic concentration on specific links has become a critical issue, and traffic engineering aimed at efficiently utilizing limited network resources has attracted considerable attention.Existing studies have proposed methods that design routing paths in a centralized manner using deep learning based on global network traffic information. However, these approaches require complete traffic information, resulting in challenges related to computational cost and scalability.To address these issues, this paper proposes a routing control method based on multimodal deep learning that uses partial traffic demand information and link utilization as inputs. Through simulation-based evaluations, we demonstrate that the proposed method suppresses congestion more effectively than shortest-path routing and achieves efficient load balancing even when only partial information is available. | |
| キーワード | （和） | トラフィックエンジニアリング / 深層学習 / マルチモーダル学習 / 輻輳回避 / 経路設計 / / / |
| （英） | Traffic Engineering / Deep Learning / Multimodal Learning / Congestion Avoidance / Routing / / / | |
| 文献情報 | 信学技報, vol. 125, no. 386, IN2025-96, pp. 204-209, 2026年3月. | |
| 資料番号 | IN2025-96 | |
| 発行日 | 2026-02-25 (IN) | |
| 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 | IN2025-96 |
|
| 研究会情報 | |
| 研究会 | IN NS |
| 開催期間 | 2026-03-04 - 2026-03-06 |
| 開催地（和） | 沖縄県市町村自治会館 |
| 開催地（英） | Okinawa-Ken Shichoson Jichi Kaikan |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IN |
| 会議コード | 2026-03-IN-NS |
| 本文の言語 | 日本語 |
| タイトル（和） | マルチモーダル深層学習による輻輳回避のための経路制御 |
| サブタイトル（和） | |
| タイトル（英） | Multimodal Deep Learning-Based Routing for Congestion Avoidance |
| サブタイトル（英） | |
| キーワード(1)（和/英） | トラフィックエンジニアリング / Traffic Engineering |
| キーワード(2)（和/英） | 深層学習 / Deep Learning |
| キーワード(3)（和/英） | マルチモーダル学習 / Multimodal Learning |
| キーワード(4)（和/英） | 輻輳回避 / Congestion Avoidance |
| キーワード(5)（和/英） | 経路設計 / Routing |
| 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） | 金子 祥大 / Shota Kaneko / カネコ ショウタ |
| 第1著者 所属（和/英） | 工学院大学 (略称： 工学院大) Kogakuin University (略称： Kogakuin Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 馬場 健一 / Ken-ichi Baba / ババ ケンイチ |
| 第2著者 所属（和/英） | 工学院大学 (略称： 工学院大) Kogakuin University (略称： Kogakuin Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-06 10:10:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IN |
| 資料番号 | IN2025-96 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.386 |
| ページ範囲 | pp.204-209 |
| ページ数 | 6 |
| 発行日 | 2026-02-25 (IN) |
[研究会発表申込システムのトップページに戻る]