L’apprentissage automatique dans le découpage des réseaux – une étude

L’apprentissage automatique dans le découpage des réseaux – une étude

H. P. Phyu, D. Naboulsi et R. Stanica, “Machine Learning in Network Slicing-A Survey”, in IEEE Access, vol. 11, pp. 39123-39153, 2023, doi : 10.1109/ACCESS.2023.3267985.

Abstract or Summary

Les réseaux 5G et au-delà devraient prendre en charge une large gamme de services, avec des exigences très diverses. Pourtant, l’architecture traditionnelle du réseau, “unique”, n’a pas la souplesse nécessaire pour accueillir ces services. À cet égard, le découpage du réseau a été présenté comme un paradigme prometteur pour les réseaux 5G et au-delà, prenant en charge non seulement les services mobiles traditionnels, mais aussi les services des industries verticales, avec des exigences très hétérogènes. Malgré ses avantages, la mise en œuvre pratique du découpage en tranches du réseau pose de nombreux défis. Grâce aux récentes avancées dans le domaine de l’apprentissage automatique, certains de ces défis ont été relevés. En particulier, l’application des approches de ML permet la gestion autonome des ressources dans le paradigme du découpage en tranches du réseau. En conséquence, ce document présente une étude complète des contributions sur les ML dans le découpage des réseaux, en identifiant les principales catégories et sous-catégories dans la littérature. Les leçons tirées sont également présentées et les défis de la recherche en cours sont discutés, ainsi que les solutions potentielles.

Implications of the Research

Visuals

Supplementary Materials

Acknowledgements

Citations and References

Other Publications

Retour au haut Drag