講演抄録/キーワード |
講演名 |
2019-07-11 15:00
LTEネットワークにおけるeNodeBの状態管理自動化のための深層学習に基づく分類 ○原 和希(筑波大)・塩本公平(東京都市大)・エン チンラム・バックスタッド セバスチャン(エリクソン・ジャパン) RCC2019-41 NS2019-77 RCS2019-134 SR2019-53 SeMI2019-50 |
抄録 |
(和) |
移動体通信における基地局での障害発生時に,原因を早急に特定することは非常に重要である.しかしながら,膨大な量の情報を出力する基地局のデータに基づいて,人間による作業によって原因を早急に特定するのは困難である.そこで本稿では,LTEネットワークにおける基地局であるeNodeBから出力されるKPIデータを使用し,各基地局が13の状態の内のどの状態であるか機械学習を用いて分類する方法を提案する.深層学習を使用することによって,約94%のAccuracyでの分類を実現出来ることが明らかになった.更に,半教師あり学習の手法であるAdversarialAutoencoderを使用することによって,ラベル付きデータが少ないクラスに対しても,高いAccuracyで分類出来ることを示した.また,教師データの数とAccuracyの関係を評価したところ、教師データ数が各クラスごとに50件以上あれば、90%以上のAccuracyが得られることが明らかになった。 |
(英) |
It is crucial to identify the cause immediately when a failure occurs at base station of mobile communication. However, A huge amount of log data generated from the base station prevents the human operator to quickly identify the cause of failure. In this paper, we propose a method that employs machine learning algorithms to analyze KPI data generated from eNodeB and classify the status of the eNodeB. we used deep learning based on artificial neural networks. The result showed that our approach can realize about 94% accuracy. Furthermore, we proposed using AdversalialAutoencoder, which is a semi-supervised learning method. The AAE yields high accuracy even for the class with a small amount of labeled data. In addition, We evaluate the relathionship between the number of labeled data and the accuracy. We discover that the proposed method yields the accuracy of 90% with the 50 labels for each class. |
キーワード |
(和) |
LTEネットワーク / 機械学習 / 深層学習 / 半教師あり学習 / Adversarial Autoencoder / / / |
(英) |
LTE network / Machine learning / Deep learning / Semi-supervised learning / Adversarial Autoencoder / / / |
文献情報 |
信学技報, vol. 119, no. 107, NS2019-77, pp. 171-176, 2019年7月. |
資料番号 |
NS2019-77 |
発行日 |
2019-07-03 (RCC, NS, RCS, SR, SeMI) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
RCC2019-41 NS2019-77 RCS2019-134 SR2019-53 SeMI2019-50 |
研究会情報 |
研究会 |
SeMI RCS NS SR RCC |
開催期間 |
2019-07-10 - 2019-07-12 |
開催地(和) |
I-Siteなんば(大阪) |
開催地(英) |
I-Site Nanba(Osaka) |
テーマ(和) |
特集セッション「AI時代の将来無線に向けた通信・ネットワーク制御」 ,一般 |
テーマ(英) |
Communication and Networked Control for the Future Radio of the AI Age, etc |
講演論文情報の詳細 |
申込み研究会 |
NS |
会議コード |
2019-07-SeMI-RCS-NS-SR-RCC |
本文の言語 |
日本語 |
タイトル(和) |
LTEネットワークにおけるeNodeBの状態管理自動化のための深層学習に基づく分類 |
サブタイトル(和) |
|
タイトル(英) |
Deep learning-based classification for the automatic of eNodeB state management in LTE networks |
サブタイトル(英) |
|
キーワード(1)(和/英) |
LTEネットワーク / LTE network |
キーワード(2)(和/英) |
機械学習 / Machine learning |
キーワード(3)(和/英) |
深層学習 / Deep learning |
キーワード(4)(和/英) |
半教師あり学習 / Semi-supervised learning |
キーワード(5)(和/英) |
Adversarial Autoencoder / Adversarial Autoencoder |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
原 和希 / Kazuki Hara / ハラ カズキ |
第1著者 所属(和/英) |
筑波大学 (略称: 筑波大)
Tsukuba University (略称: Tsukuba Univ.) |
第2著者 氏名(和/英/ヨミ) |
塩本 公平 / Kohei Shiomoto / シオモト コウヘイ |
第2著者 所属(和/英) |
東京都市大学 (略称: 東京都市大)
Tokyo City University (略称: TCU) |
第3著者 氏名(和/英/ヨミ) |
エン チンラム / Chin Lam Eng / エン チンラム |
第3著者 所属(和/英) |
エリクソンジャパン (略称: エリクソン・ジャパン)
Ericsson Japan (略称: Ericsson Japan) |
第4著者 氏名(和/英/ヨミ) |
バックスタッド セバスチャン / Sebastian Backstad / |
第4著者 所属(和/英) |
エリクソンジャパン (略称: エリクソン・ジャパン)
Ericsson Japan (略称: Ericsson Japan) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2019-07-11 15:00:00 |
発表時間 |
25分 |
申込先研究会 |
NS |
資料番号 |
RCC2019-41, NS2019-77, RCS2019-134, SR2019-53, SeMI2019-50 |
巻番号(vol) |
vol.119 |
号番号(no) |
no.106(RCC), no.107(NS), no.108(RCS), no.109(SR), no.110(SeMI) |
ページ範囲 |
pp.145-150(RCC), pp.171-176(NS), pp.167-172(RCS), pp.177-182(SR), pp.159-164(SeMI) |
ページ数 |
6 |
発行日 |
2019-07-03 (RCC, NS, RCS, SR, SeMI) |
|