7993

بررسي رويكردهاي مبتني بر يادگيري ماشين براي كش محتوا با شهرت نامعلوم در لبه ي شبكه هاي بي سيم

1399-1400

دكتر وصال حكمي

طي سال هاي اخير، شبكه هاي بي سيم سلولي با افزايش بي سابقه ي ترافيك تقاضاي محتوا از سوي كاربران سيّار مواجه شده اند. با قرار دادن محتوا در لبه ي شبكه و در نزديكي كاربران نهايي (در ايستگاه هاي پايه ي كوچك و يا در خود دستگاه ها)، مي توان كيفيت خدمات را افزايش داد. اما نگهداري همه ي داده ها در لبه ي شبكه نيازمند حافظه ي زيادي بوده و از لحاظ اقتصادي بازدارنده است. همچنين در ساعات شلوغي، ظرفيت مورد نياز لينك هاي پشتي براي پشتيباني از اين حجم ترافيك بالاست. به دليل اين كه تعداد كمي از فايل ها بخش عمده اي از ترافيك را تشكيل مي دهند، كش كردن محتوا، يكي از راه هاي حل اين مشكل است. براي اين كار، محتواها بر اساس شهرتشان كه يك معيار آماري با مدل احتمالاتي است، ذخيره سازي مي شود تا ميزان موفقيّت در پاسخگويي به درخواست ها بالا برود. اما در واقعيت، مشخصات شهرت محتوا ناشناخته و متغيّر است. بنابراين نياز به رويكردهاي مبتني بر يادگيري ماشين وجود دارد تا بتوان مؤثرترين فايل ها را جهت كش كردن در لبه ي شبكه هاي بي سيم سلولي شناسايي كرد. هدف از اين سمينار، بررسي اين رويكردها مي باشد. به همين منظور، ابتدا به بررسي مقدمه اي از مفاهيم مرتبط با كش كردن در لبه ي شبكه هاي بي سيم سلولي پرداخته مي شود. سپس، با معرفي يك دسته بندي از روش هاي يادگيري ماشين، برخي از راهكارهاي پيشنهادي براي كش كردن محتواي با شهرت نامعلوم در لبه ي شبكه هاي بي سيم بررسي مي شوند. در آخر نيز به نقد و تحليلي از هريك از اين روش ها پرداخته مي شود.

12/21/2020 12:00:00 AM

69934

1399/10/27

A Research On Machine Learning Based Approaches for Caching Content in The Edge of Wireless Networks

كش كردن محتوا، شبكه هاي لبه،تخمين شهرت محتوا، يادگيري ماشين براي كش¬كردن محتوا

content caching, edge networks, content popularity estimation, machine learning for content caching