پیش‌بینی عدد UE فعال با شبکه‌های عصبی بیزی برای شبکه‌های LTE خودسازماندهی

عنوان پیش‌بینی عدد UE فعال با شبکه‌های عصبی بیزی برای شبکه‌های LTE خودسازماندهی
نویسنده Narmanlıoğlu، Ö.، Zeydan، E.، Kandemir، Melih، Kranda، T.
تاریخ انتشار: 2017-01-01
محل انتشار - IEEE
موضوع شبکه های عصبی بیزی، تکامل بلند مدت، شبکه های خودسازمانده، پیش بینی کوتاه مدت
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 2377-8652
شماره ثبت 1e9e5a32-d4ae-42e7-86ba-55e808e62681
محل کتابخانه علوم کامپیوتر
تاریخ 2017-01-01
متن نمونه ابزارهای الکترونیکی مبتنی بر اینترنت و برنامه های چند رسانه ای غنی از محتوا در سال های اخیر به طور تصاعدی گسترش یافته اند. در نتیجه، ساختارهای شبکه ناهمگن معرفی شده با Long Term Evolution (LTE) به طور فزاینده ای برای مقابله با انفجار داده ها شتاب بیشتری به دست می آورند. از سوی دیگر، استقرار تجهیزات شبکه جدید منجر به افزایش هزینه‌های سرمایه و عملیاتی می‌شود. این استقرارها با در نظر گرفتن دوره های شلوغی انجام می شود که شبکه بیشترین میزان ترافیک را تجربه می کند. با این حال، این دوره ها تنها به چند ساعت در یک دوره 24 ساعته اشاره دارد. در رابطه با این موضوع، پیش‌بینی دقیق تعداد تجهیزات کاربر فعال (UE) برای عملیات کارآمد شبکه قابل توجه است و منجر به کاهش مصرف انرژی می‌شود. در این مقاله، ما یک تکنیک بیزی را برای طراحی یک شبکه عصبی پیش‌خور بهینه برای پیش‌بینی‌کننده کوتاه‌مدت اجرا شده در نهاد مدیریت شبکه و ارائه پیشگامی برای صرفه‌جویی در انرژی، یک تابع شبکه خودسازمان‌دهنده، بررسی می‌کنیم. ما ابتدا نتایج پیش‌بینی تعداد UE فعال جمع‌آوری‌شده از شبکه LTE واقعی را نشان می‌دهیم. سپس دقت پیش‌بینی شبکه عصبی بیزی را در مقایسه با روش پیش‌بینی ساده پیچیده کم، روش هموارسازی نمایی Holt-Winter، یک شبکه عصبی پیش‌خور قطعی بدون اصطلاح منظم‌سازی بیزی ارزیابی می‌کنیم.
DOI 10.1109/NOF.2017.8251223
Cilt 2018-January
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

پیش‌بینی عدد UE فعال با شبکه‌های عصبی بیزی برای شبکه‌های LTE خودسازماندهی

نویسنده Narmanlıoğlu، Ö.، Zeydan، E.، Kandemir، Melih، Kranda، T.
تاریخ انتشار 2017-01-01
محل انتشار - IEEE
موضوع شبکه های عصبی بیزی، تکامل بلند مدت، شبکه های خودسازمانده، پیش بینی کوتاه مدت
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 2377-8652
شماره ثبت 1e9e5a32-d4ae-42e7-86ba-55e808e62681
محل کتابخانه علوم کامپیوتر
تاریخ 2017-01-01
متن نمونه ابزارهای الکترونیکی مبتنی بر اینترنت و برنامه های چند رسانه ای غنی از محتوا در سال های اخیر به طور تصاعدی گسترش یافته اند. در نتیجه، ساختارهای شبکه ناهمگن معرفی شده با Long Term Evolution (LTE) به طور فزاینده ای برای مقابله با انفجار داده ها شتاب بیشتری به دست می آورند. از سوی دیگر، استقرار تجهیزات شبکه جدید منجر به افزایش هزینه‌های سرمایه و عملیاتی می‌شود. این استقرارها با در نظر گرفتن دوره های شلوغی انجام می شود که شبکه بیشترین میزان ترافیک را تجربه می کند. با این حال، این دوره ها تنها به چند ساعت در یک دوره 24 ساعته اشاره دارد. در رابطه با این موضوع، پیش‌بینی دقیق تعداد تجهیزات کاربر فعال (UE) برای عملیات کارآمد شبکه قابل توجه است و منجر به کاهش مصرف انرژی می‌شود. در این مقاله، ما یک تکنیک بیزی را برای طراحی یک شبکه عصبی پیش‌خور بهینه برای پیش‌بینی‌کننده کوتاه‌مدت اجرا شده در نهاد مدیریت شبکه و ارائه پیشگامی برای صرفه‌جویی در انرژی، یک تابع شبکه خودسازمان‌دهنده، بررسی می‌کنیم. ما ابتدا نتایج پیش‌بینی تعداد UE فعال جمع‌آوری‌شده از شبکه LTE واقعی را نشان می‌دهیم. سپس دقت پیش‌بینی شبکه عصبی بیزی را در مقایسه با روش پیش‌بینی ساده پیچیده کم، روش هموارسازی نمایی Holt-Winter، یک شبکه عصبی پیش‌خور قطعی بدون اصطلاح منظم‌سازی بیزی ارزیابی می‌کنیم.
DOI 10.1109/NOF.2017.8251223
Cilt 2018-January
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید