دانلود مقاله انگلیسی رایگان:Edge Concierge: دموکراتیک کردن عملیات شبکه با هزینه و مقرون به صرفه و انعطاف پذیر با استفاده ازهوش مصنوعی لایه لایه در لبه های شبکه خصوصی - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی هوش مصنوعی رایگان
  • Edge Concierge: Democratizing Cost-Effective and Flexible Network Operations using Network Layer AI at Private Network Edges Edge Concierge: Democratizing Cost-Effective and Flexible Network Operations using Network Layer AI at Private Network Edges
    Edge Concierge: Democratizing Cost-Effective and Flexible Network Operations using Network Layer AI at Private Network Edges

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    Edge Concierge: Democratizing Cost-Effective and Flexible Network Operations using Network Layer AI at Private Network Edges


    ترجمه فارسی عنوان مقاله:

    Edge Concierge: دموکراتیک کردن عملیات شبکه با هزینه و مقرون به صرفه و انعطاف پذیر با استفاده ازهوش مصنوعی لایه لایه در لبه های شبکه خصوصی


    منبع:

    IEEE - NOMS 2020 - 2020 IEEE/IFIP Network Operations and Management Symposium;2020; ; ;10.1109/NOMS47738.2020.9110366


    نویسنده:

    Anan Sawabe∗†, Takanori Iwai∗, Kozo Satoda∗, and Akihiro Nakao


    چکیده انگلیسی:

    We observe two major revolutionary trends in network operations: democratization of cost-effective and flexible communication means for vertical players, such as public safety, by private mobile networking combined with edge computing, and automatic and autonomic network operations empowered by Artificial Intelligence (AI). Further innovations are required for making private networking readily available for vertical players that are reluctant to acquire expertise in complex network operations. We propose Edge Concierge, of which concept is to democratize cost-effective and flexible network operations using network layer AI at private network edges. Edge Concierge assists smart network operations for private mobile network operators and energy saving by changing working state of AI-empowered anomaly detection applications by network layer AI. We also employ unsupervised machine learning using Hidden Markov Model (HMM) for estimating contexts by solely observing network traffic at mobile edge computing (MEC) middle boxes. In detail, we design a system of real-time and self-learning context estimation by a multi-level probabilistic state transition model trained by unsupervised learning, which is implemented in a commodity PC. In order to evaluate our proposed system, we take public safety context of smart cities as an example use case and show the benefits.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    حجم فایل: 1389 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi