神经形态人工智能赋能新兴网络故障根因分析

移动蜂窝网络运营商将其近四分之一的收入用于网络维护和管理。该预算的很大一部分用于解决系统中诊断出的、中断或降级蜂窝服务的故障。历史上，检测、诊断和解决问题的操作由人类专家执行。然而，随着小区类型多样化、复杂性增加和小区密度增长，这种方法在技术和财务上都变得越来越不可行。为解决这一问题，近年来关于自愈解决方案的研究获得了显著动力。自愈范式最理想的特征之一是自动化故障诊断。虽然最近提出了几种故障检测和诊断的机器学习模型，但这些方案都有一个共同倾向，即以某种方式依赖人类专家贡献进行故障诊断和预测。在本文中，我们提出了一种基于人工智能的故障诊断解决方案，它向完全自动化的自愈系统迈出了关键一步，无需人类专家输入。所提出的解决方案利用随机森林分类器、卷积神经网络和基于神经形态的深度学习模型，该模型使用生成的故障RSRP地图图像。我们在考虑七种不同故障类型的同时，将所提解决方案的性能与文献中主要使用朴素贝叶斯模型的最新解决方案进行了比较。结果表明，即使在训练数据相对较少的情况下，与其他模型相比，神经形态计算模型也能达到较高的分类准确率。