| 講演名 | 2019-07-11 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(エリクソン・ジャパン), バックスタッド セバスチャン(エリクソン・ジャパン), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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。 |
| 抄録(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 |
| キーワード(英) | LTE network / Machine learning / Deep learning / Semi-supervised learning / Adversarial Autoencoder |
| 資料番号 | RCC2019-41,NS2019-77,RCS2019-134,SR2019-53,SeMI2019-50 |
| 発行日 | 2019-07-03 (RCC, NS, RCS, SR, SeMI) |
| 研究会情報 | |
| 研究会 | SeMI / RCS / NS / SR / RCC |
|---|---|
| 開催期間 | 2019/7/10(から3日開催) |
| 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 |
| 委員長氏名（和） | 石原 進(静岡大) / 大槻 知明(慶大) / 岡崎 義勝(NTT) / 有吉 正行(NEC) / 林 和則(阪市大) |
| 委員長氏名（英） | Susumu Ishihara(Shizuoka Univ.) / Tomoaki Otsuki(Keio Univ.) / Yoshikatsu Okazaki(NTT) / Masayuki Ariyoshi(NEC) / Kazunori Hayashi(Osaka City Univ.) |
| 副委員長氏名（和） | 門田 和也(日立) / 山本 高至(京大) / 須山 聡(NTTドコモ) / 前原 文明(早大) / 西村 寿彦(北大) / 中尾 彰宏(東大) / 亀田 卓(東北大) / 田久 修(信州大) / 石津 健太郎(NICT) / 東 俊一(名大) / 李 還幇(NICT) |
| 副委員長氏名（英） | Kazuya Monden(Hitachi) / Koji Yamamoto(Kyoto Univ.) / Satoshi Suyama(NTT DoCoMo) / Fumiaki Maehara(Waseda Univ.) / Toshihiko Nishimura(Hokkaido Univ.) / Akihiro Nakao(Univ. of Tokyo) / Suguru Kameda(Tohoku Univ.) / Osamu Takyu(Shinshu Univ.) / Kentaro Ishidu(NICT) / Shunichi Azuma(Nagoya Univ.) / HUAN-BANG LI(NICT) |
| 幹事氏名（和） | 西尾 理志(京大) / 齊藤 隆仁(NTTドコモ) / 五十嵐 悠一(日立) / 石原 浩一(NTT) / 牟田 修(九大) / 谷川 陽祐(阪府大) / 水野 志郎(NTT) / 矢野 一人(ATR) / 石橋 功至(電通大) / 成枝 秀介(三重大) / 石井 光治(香川大) / 林 直樹(阪大) |
| 幹事氏名（英） | Takayuki Nishio(Kyoto Univ.) / Takato Saitou(NTT DOCOMO) / Yuichi Igarashi(Hitachi) / Koichi Ishihara(NTT) / Osamu Muta(Kyushu Univ.) / Yosuke tanigawa(Osaka Pref Univ.) / Shiro Mizuno(NTT) / Kazuto Yano(ATR) / Koji Ishibashi(Univ. of Electro-Comm.) / Syusuke Narieda(Mie Univ.) / Koji Ishii(Kagawa Univ.) / Naoki Hayashi(Osaka Univ.) |
| 幹事補佐氏名（和） | 内山 彰(阪大) / 金井 謙治(早大) / 橋本 匡史(阪大) / 村岡 一志(ＮＴＴドコモ) / 衣斐 信介(同志社大) / 安達 宏一(電通大) / 中村 理(シャープ) / 熊谷 慎也(富士通) / 河野 伸也(NTT) / 太田 真衣(福岡大) / 大山 哲平(富士通) / 小林 健太郎(名大) / 加川 敏規(NICT) / 小蔵 正輝(奈良先端大) |
| 幹事補佐氏名（英） | Akira Uchiyama(Osaka Univ.) / Kenji Kanai(Waseda Univ.) / Masafumi Hashimoto(Osaka Univ.) / Kazushi Muraoka(NTT DOCOMO) / Shinsuke Ibi(Doshisha Univ.) / Koichi Adachi(Univ. of Electro-Comm.) / Osamu Nakamura(Sharp) / Shinya Kumagai(Fujitsu) / Shinya Kawano(NTT) / Mai Ohta(Fukuoka Univ.) / Teppei Oyama(Fujitsu) / Kentaro Kobayashi(Nagoya Univ.) / Toshinori Kagawa(NICT) / Masateru Ogura(NAIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Sensor Network and Mobile Intelligence / Technical Committee on Radio Communication Systems / Technical Committee on Network Systems / Technical Committee on Smart Radio / Technical Committee on Reliable Communication and Control |
|---|---|
| 本文の言語 | JPN |
| 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（和） | |
| 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 |
| 第 1 著者 氏名（和/英） | 原 和希 / Kazuki Hara |
| 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） | 塩本 公平 / Kohei Shiomoto |
| 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） | エン チンラム / Chin Lam Eng |
| 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） | 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) |
| 発表年月日 | 2019-07-11 |
| 資料番号 | RCC2019-41,NS2019-77,RCS2019-134,SR2019-53,SeMI2019-50 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | RCC-106,NS-107,RCS-108,SR-109,SeMI-110 |
| 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) |