期刊名称：EKAIA Euskal Herriko Unibertsitateko Zientzi eta Teknologi Aldizkaria
印刷版ISSN：0214-9001
出版年度：2017
语种：Basque
出版社：Euskal Herriko Unibertsitatea
摘要：Belaunaldi berriko sareen ezaugarri espezifikoek ohiko sare ereduak erabiliz ez dute kudeaketa egokia ahalbidetzen, eskala doiketa, heterogeneotasuna eta agertoki hauen konplexutasuna kontuan hartu ezin dutelarik. Beraz, komunikazio sistema hauen diseinu eta kudeaketarako paradigma berriak definitzea beharrezkoa da. Modu honetan, machine learning-aren erabilpenaren bidez, sareari gaitasun kognitiboak gaineratzeak datuei erantsita sarean zehar garraiatzen den protokolo informazioaren maneiatzea posible egiten du. Informazio hau sarearen egoera inferitzeko erabiltzen da, disfuntzioak ekidituz eta guztirako errendimendua hobetuz. Artikulu honek sare mailan integratutako modulu adimentsu baten diseinua aurkezten du, offline machine learning-ean oinarrituz, bideraketa funtzionalitaterako informazioa bilduz eta interpretatuz. Testuinguruaz kontzientea den modulu kognitibo honek monitoreatutako sare egoeraren arabera bideraketa protokoloaren portaera manipulatzen du, horrela, matxurak ekidituz, trafikoa orekatuz eta hobekuntza globala eskuratuz.
其他摘要：The specific characteristics of next generation networks entail the impossibility of a proper management according to the conventional networking models, due to their inability to adjust the scale, the heterogeneity and the complexity of those scenarios. Therefore, it is necessary to define new paradigms to design and manage these emergent communication systems. At this point, adding cognitive capabilities to the network through the application of machine learning techniques makes it possible to leverage the protocol information that travels along the network attached to the data. This data is use to infer information about the state of the network and exploit it to prevent dysfunctions and improve the overall performance. This paper introduces the design of an intelligent module integrated at network level, based on offline machine learning, to gather and interpret information to complement and support the routing functionality. This context-aware cognitive module manipulates the behaviour of the routing protocol depending on the monitored state of the network to avoid failures, balance the traffic and get a global enhancement.
