8531

بررسي روش هاي هوشمند سازي برش بندي در شبكه هاي نسل پنجم

1399-1400

دكتر هادي شهريار شاه حسيني

يادگيري ماشين توانايي ارائه راه حل هاي ساده تر براي مشكلات پيچيده را با تجزيه و تحليل حجم عظيمي از داده ها در مدت زمان كوتاه با دقت مناسب دارد. شبكه هاي ارتباطي نسل پنجم به دليل ظهور تعداد زيادي از دستگاه هاي متصل جديد و انواع جديد خدمات، پيچيده تر مي¬شوند. علاوه بر اين، الزام ايجاد برش هاي شبكه مجازي مناسب براي ارائه خدمات بهينه براي كاربران و برنامه هاي متنوع، مديريت منابع شبكه، پردازش اطلاعات مربوط به حجم عظيمي از ترافيك، مقاومت در برابر همه تهديدات امنيتي احتمالي و تنظيم سازگار را در عملكرد شبكه براي بار كاري متغير با زمان با چالش مواجه مي¬كند. در اين گزارش، در مورد برش شبكه هاي نسل پنجم بحث شده و ضرورت اتوماسيون عملكردهاي شبكه را براي طراحي، ساخت، استقرار، بهره برداري، كنترل و مديريت برش هاي شبكه شرح داده مي¬شود. راه حل هاي مبتني بر هوش مصنوعي مي¬توانند مشكلات مختلف و بسيار پيچيده در چندين سطح، از جمله برنامه ريزي ترافيك برش در RAN ، تخصيص منابع به برش هاي هسته شبكه و كنترل پذيرش برش هاي جديد را برطرف كنند. معماري يادگيري عميق عملي مي¬تواند چنين مشكلاتي را در مطالعات موردي مختلف حل كند و سود معمول بالايي را كه مي¬توان از ادغام AI در برش شبكه انتظار داشت. نتايج بررسي ها نشان مي¬دهند هوش مصنوعي پتانسيل روشني براي تبديل شدن به يك فناوري اصلي براي نسل آينده شبكه هاي نسل پنجم و نسل هاي بالاتر دارد. براي راه اندازي توابع هوشمند برش بندي در شبكه هاي 5G، فناوري هاي NFV و SDN براي طراحي، بهره برداري و مديريت شبكه در نظر گرفته شده و بهره برداري مي¬شود. نتايج همچنين نشان مي¬دهند محدوديت هاي موجود در معماري هوش مصنوعي بايد در نظر گرفته شده و حل شود تا بتوان اطمينان حاصل كرد كه اپراتورها بر سيستم هاي خود كنترل كامل مي¬كنند.

5/26/2021 12:00:00 AM

71490

1400/03/27

An overview of intelligent network slicing for 5G networks

برش بندي شبكه , شبكه هاي نسل پنجم , يادگيري ماشين