Paper Of The Day

SURVEY ON MACHINE LEARNING-ENABLED NETWORK SLICING: COVERING THE ENTIRE LIFE CYCLE

A. Donatti, S. Correa, J. Martins, A. Abelem, et al., "Deep Learning Applied to ERP in the Search for Spatial Intelligence Signatures", IEEE Transactions on Network and Service Management, 2023, doi: 10.1109/TNSM.2023.3287651.

Autores:

Adnei Donatti, Sand L. Correa, Joberto S. B. Martins, Antonio Abelem, Cristiano B. Both, Flavio Silva, José A. Suruagy, Rafael Pasquini, Rodrigo Moreira, Kleber V. Cardoso, Tereza C. Carvalho.

Resumo:

O fatiamento de rede (NS) está se tornando um elemento essencial do gerenciamento e orquestração de serviços em redes de comunicação, começando de redes celulares móveis e estendendo-se a uma iniciativa global. O NS pode reformular a implantação e operação de serviços tradicionais, dar suporte à introdução de novos, avançar amplamente no desempenho da alocação de recursos em redes, e notavelmente mudar a experiência do usuário. A maioria destas promessas ainda precisa chegar ao mundo real, mas já demonstraram suas capacidades em muitas infraestruturas experimentais. Todavia, a complexidade, a escala, e o dinamismo estão pressionando por uma abordagem NS habilitada para Machine Learning (ML), na qual a autonomia e eficiência são recursos críticos. Esta tendência é relativamente nova, porém está crescendo rapidamente e atraindo muita atenção. Este artigo examina NS habilitados para Inteligência Artificial e seu uso potencial em infraestruturas futuras e atuais. Cobrimos NS habilitados para ML de última geração para todos os segmentos de rede e organizamos a literatura de acordo com as fases do ciclo de vida do NS. Também discutimos desafios e oportunidades na pesquisa sobre este tema.

Link: https://ieeexplore.ieee.org/document/10158410 

Lattes do docente: http://lattes.cnpq.br/5376253015721742 (Antônio Abelém)

#ufpa #icen #ppgcc #computação #networkslicing #MLenabledslicing #machinelearning #slicingasaservice #MLenabledresourceorchestration #allocation