使用基于储备计算的低成本方法对网络状态进行基准测试

利用挪威移动网络利用率的数据，我们展示了使用非侵入性、低成本方法监测通信和移动网络状态的可能性。该方法在储备计算框架内将网络数据转换为模型，然后测量模型在代理任务上的性能。在实验中，我们展示了在这些代理上的性能如何与网络状态相关。该方法的一个关键优势是它使用现成的数据集，并利用储备计算框架实现了一种廉价且很大程度上不可知的方法。来自移动网络利用率的数据以匿名、聚合的形式提供，每天有多个快照。这些数据可以被视为加权网络。储备计算允许将加权但未经训练的网络用作机器学习工具。该网络被初始化为所谓的回声状态网络（ESN），将输入信号投影到更高维空间中，在此之上由单个训练层进行操作。这比训练网络中每个权重的深度神经网络消耗更少的能量。我们使用受神经科学启发的任务并训练了我们的 ESN 模型来解决它们。然后我们展示了性能如何取决于特定的网络配置，以及当扰动网络时性能如何显著下降。虽然这项工作作为概念验证，但我们相信它可以提升用于近实时监测，以及识别移动通信网络和交通网络中可能的薄弱环节。