Key points are not available for this paper at this time.
من المتوقع أن يوفر الجيل الخامس اتصالاً بالشبكة ليس فقط للأجهزة التقليدية (مثل الأجهزة اللوحية، الهواتف الذكية، إلخ) ولكن أيضًا لإنترنت الأشياء، مما سيزيد بشكل كبير من حمل حركة المرور عبر الشبكة. سيعتمد الجيل الخامس بشكل أساسي على NFV و SDN لبناء نماذج مرنة حسب الطلب للكيانات الوظيفية للشبكات عبر VNFs. بالفعل، تقوم 3GPP بتصميم بنية جديدة للشبكة الأساسية، والتي تستبدل واجهات النقطة إلى نقطة المستخدمة في الجيل الثالث والرابع بالتواصل القائم على المنتج/المستهلك بين وظائف الشبكة الأساسية للجيل الخامس، مما يسهل النشر عبر بنية افتراضية. إحدى المزايا الكبيرة لاستخدام VNFs هي إمكانية التوسع الديناميكي، اعتمادًا على حمل حركة المرور (مثل إنشاء موارد جديدة لـ VNFs عند زيادة حمل حركة المرور وتقليل عدد الموارد عند انخفاض حمل حركة المرور). في هذه المقالة، نقترح آلية جديدة لتوسيع موارد الشبكة الأساسية للجيل الخامس عن طريق توقع تغيرات حمل حركة المرور من خلال التنبؤ باستخدام تقنيات تعلم الآلة. يتم تحقيق توقع حمل حركة المرور من خلال استخدام وتدريب شبكة عصبية على مجموعة بيانات حقيقية لوصول الحركة في شبكة الجوال. تم استخدام وتقارن تقنيتين: RNN، وبشكل أكثر تحديدًا LSTM؛ و DNN. تُظهر نتائج المحاكاة أن آلية التوسع المعتمدة على التوقع تتفوق على الحلول المعتمدة على العتبة، من حيث وقت الاستجابة لتغير حركة المرور، والتأخير للوصول إلى موارد جديدة جاهزة للاستخدام من قبل VNF للاستجابة لزيادة حركة المرور.
درس العوي et al. (الخميس) هذا السؤال.