ترجمه مقاله یک شیوه مبتنی بر یادگیری برای کشینگ کنش گرا در شبکه های ارتباط بی سیم – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
یک شیوه مبتنی بر یادگیری برای کشینگ کنش گرا در شبکه های ارتباط بی سیم
عنوان انگلیسی مقاله:
A Learning-Based Approach for Proactive Caching in Wireless Communication Networks
مناسب برای رشته های دانشگاهی زیر:
مهندسی فناوری اطلاعات و کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
شبکه های کامپیوتری، سامانه های شبکه ای، اینترنت و شبکه های گسترده، مهندسی نرم افزار
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. مدل سیستم و صورت مسئله
A. مدل سیستم
B. صورت مسئله
3. تخمین ماتریس شهرت و ساخت استراتژی کشینگ
A. تخمین ماتریس شهرت
B. ساخت استراتژی کشینگ
4. آزمایشات و تحلیل نتایج
5. نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Proactive caching is a promising technology in 5G wireless networks. Small-cell base stations (SBS) can cache popular contents to assist the macro base station, and proactive caching are considered to cope with the weak backhaul links of SBSs. However, obtaining popular contents and making the optimal caching strategy may be challenging. In this paper, a novel learning-based approach is proposed, in which regularized singular value decomposition (RSVD)-based collaborative filtering (CF) is used to estimate the content popularity and transfer learning (TL) is adopted to improve the estimation accuracy. Then considering the interaction between users and SBSs, a distributed iterative algorithm is designed to make a caching strategy with the goal to maximize the number of users who can be served by neighboring SBSs. Experiments have been conducted to evaluate the performance of the proposed algorithms and simulation results demonstrate the effectiveness of our learning-based approach for proactive caching.
I. INTRODUCTION
With the development of mobile communications, mobile smartphones and social networks, a wide variety of online services are provided through mobile terminals, which leads to explosive and rapid growth of mobile data [1]. As a result, the excessive demand for data is draining the limited spectrum resources of wireless transmissions, especially the wireless links between base stations and users, and the wireless backhual links between base stations and the core network. To cope with this problem, a promising solution is to cache popular contents at the edge of mobile networks.
چکیده
در شبکه های بی سیم 5G، کشینگ (کش کردن) کنشگرا به عنوان یک فناوری نویدبخش شناخته شده است. ایستگاههای پایه سلولهای کوچک (SBS) می توانند محتواهای مشهوررا کش نموده و به این طریق به ایستگاه پایه ماکرو کمک کنند، واین گونه تصور شده است که کش کردن کنشگرا با لینک های بک هال SBS مواجه می باشد. با این حال، دستیابی به محتواهای مشهور و انتخاب استراتژی کشینگ بهینه، می تواند چالش برانگیز باشد. در این مقاله، یک شیوه مبتنی بر یاداگیری جدید پیشنهاد شده است، که از فیلترینگ گروهی یا مبتنی بر همکاری (CF) مبتنی بر تجزیه مقدار تکین منظم (RSVD) برای تخمین شهرت محتوا و از یادگیری انتقالی (TL) برای بهبود صحت تخمین استفاده شده است. سپس، با در نظرگرفتن تعامل بین کاربران و SBS، الگوریتم تکراری توزیع شده برای ساخت استراتژی کشینگ با هدف به حداکثر رساندن تعداد کاربرانی که SBS همسایگی به آنها خدمت می کنند، طراحی شده است. در این راستا آزمایشاتی برای ارزیابی عملکرد الگوریتم های پیشنهادی انجام شده و نتایج شبیه سازی اثربخشی شیوه مبتنی بر یادگیری پیشنهادی برای کشینگ کنشگرایانه را تصدیق می کند.
1. مقدمه
با توسعه ارتباطات موبایل، تلفن های هوشمند موبایل و شبکه های اجتماعی، از طریق ترمینال های موبایل، تنوع وسیعی از خدمات آنلاین فراهم شده است، که این امر منجر به رشد انفجاری و سریع داده های موبایل می گردد [1]. در نتیجه، تقاضای زیاد داده ها، منابع طیف محدود انتقال های بی سیم، به ویژه لینک های بی سیم بین ایستگاههای پایه و کاربران، و لینک های بک هال بی سیم بین ایستگاههای پایه و شبکه هسته را تخلیه می کند. یکی از راه حل های نویدبخش و امیدوارکننده برای مواجه شدن با این مشکل، کش کردن محتواهای مشهور و معروف در لبه شبکه های موبایل است.
