蜂窝无线网络中用于自愈合的数据驱动机器学习技术：挑战与对策
网络与互联网体系结构
2019-06-18 v1 机器学习
机器学习
摘要
为实现蜂窝网络的自动部署与管理，引入了自组织网络（SON）的概念。SON 能力可提升网络性能、改善业务质量，并降低运营与资本支出（OPEX/CAPEX）。作为 SON 的重要组成部分，自愈合被定义为一种网络范式：通过自动触发检测、诊断与补偿等一系列动作，缓解或恢复目标网络的故障。数据驱动的机器学习已被认为是为网络引入智能并实现自愈合的有力工具。然而，将机器学习技术用于自愈合的实际应用面临重大挑战。本文中，我们首先将这些挑战归为五类：1）数据不平衡，2）数据不充分，3）代价不敏感，4）非实时响应，5）多源数据融合。随后我们提供应对这些挑战的潜在技术解决方案。此外，给出一个针对不平衡数据的代价敏感故障检测案例研究，以说明所建议方案的可行性与有效性。
引用
@article{arxiv.1906.06357,
title = {Data-Driven Machine Learning Techniques for Self-healing in Cellular Wireless Networks: Challenges and Solutions},
author = {Tao Zhang and Kun Zhu and Ekram Hossain},
journal= {arXiv preprint arXiv:1906.06357},
year = {2019}
}