Resumen

En la era del 5G, el costo operativo de las redes inalámbricas móviles aumentará significativamente. Además, se necesitará una capacidad de red masiva y cero latencia porque todo estará conectado a las redes móviles. Por lo tanto, se necesitan redes autoorganizadas (SON), que aceleran la operación automática de las redes inalámbricas móviles, pero tienen desafíos para satisfacer los requisitos del 5G. Por lo tanto, los investigadores han propuesto un marco para potenciar SON utilizando big data. El marco reciente de un SON potenciado por big data analiza la relación entre los indicadores clave de rendimiento (KPI) y los parámetros de red relacionados (NPs) utilizando herramientas de aprendizaje automático, y desarrolla modelos de regresión utilizando un proceso gaussiano con esos parámetros. El problema, sin embargo, es que los métodos para encontrar los NPs relacionados con los KPI difieren individualmente. Además, el modelo de regresión del proceso gaussiano no puede determinar la relación entre un KPI y sus diversos NPs relacionados. En este documento, para resolver estos problemas, propusimos modelos de regresión múltiple multivariados para determinar la relación entre varios KPI y NPs. Si asumimos un KPI y múltiples NPs como un conjunto, los modelos propuestos nos ayudan a procesar múltiples conjuntos a la vez. Además, podemos averiguar si algunos KPI están en conflicto o no. Implementamos los modelos propuestos utilizando MapReduce.

• Materias:Algoritmo dinámico Redes Inalámbricas Redes de Comunicación Sistema de colas Teoría de juegos
• Subjects:Dynamic Algorithm Wireless Networks Communication networks Queuing systems Game theory
• Palabras claves:Costes operativos; Redes inalámbricas móviles; Redes autoorganizadas; Big data; Indicadores clave de rendimiento; Parámetros de red
• Keywords:Operational cost; Mobile wireless networks; Self-organizing networks; Big data; Key performance indicators; Network parameters