機械学習に関する招待講演と日本版5Gチャレンジ課題への参加募集

Go back to programme

機械学習に関する招待講演と日本版5Gチャレンジ課題への参加募集

  • Watch on zoom

    Watch on youtube

    * Register (or log in) to the AI4G Neural Network to add this session to your agenda or watch the replay

  • このウェビナーは、国際電気通信連合(ITU) と情報通信技術委員会(TTC) とのコ ラボレーションにて開催されます。

    前半は、ITU主催AI/ML in 5Gチャレンジ日本開催分(電子情報通信学会RISING研 究会が運営)の2課題

    ITU-ML5G-PS-015: NFVベーステスト環境における5Gコアネットワーク内の ネットワーク障害検知と根本原因分析(KDDI提供課題)
    ITU-ML5G-PS-016: RSSIを用いた無線LANの位置推定(RISING研究会提供課題)についてご講演いただきます。
    後半は,「ネットワーク内の機械学習による高度なトラフィック分類と無線LAN のための機械学習」についてご講演いただきます。

    【開催日時】:2021年8月13日(金) 16:00 – 18:00 JST(日本時間)

    【プログラム】:

    パート1:ITU主催AI/ML in 5Gチャレンジ日本開催分の課題説明

    「ITU-ML5G-PS-015: NFVベーステスト環境における5Gコアネットワーク内のネッ トワーク障害検知と根本原因分析」と

    「ITU-ML5G-PS-016: RSSIを用いた無線LANの位置推定」

    スピーカー1:大谷 朋広 氏(KDDI研究所)

    スピーカー2:安達 宏一 准教授(電気通信大学)

    パート2:招待講演2件 [ネットワーク内の機械学習による高度なトラフィック 分類・無線LANのための機械学習]

    スピーカー3:中尾 彰宏 教授(東京大学)、

    スピーカー4:山本 高至 准教授(京都大学)

    【講演概要】:

    ・ITU-ML5G-PS-015: NFVベーステスト環境における5Gコアネットワーク内のネッ トワーク障害検知と根本原因分析

    5Gモバイルネットワークが世界的に普及しつつある中、5Gサービスの障害による 社会的影響を最小限に抑えるためには、安定した高品質なネットワーク運用が必 須となります。また5Gの普及に伴い、サービスプロバイダーのネットワークで は、NFV(ネットワーク仮想化機能)だけでなく、CNF(クラウドネイティブ機 能)の導入も進んでおり、運用環境の複雑性や不確実性が増しています。このよ うな状況で5Gネットワークの普及を加速させるためには、通信ネットワークの自 動化が鍵となっており、5Gサービスに大きく影響するネットワーク障害には経験 豊富なオペレータが対応しながらも、AI/機械学習(ML)による自動かつ迅速な 異常検知が望まれています。本課題では、5Gコアネットワークのデータセットと して、正常、故障、誤操作などのネットワーク状態情報と、正常/異常のラベル として提供し、参加者はこれらのデータセットを用いて、障害や誤操作などの ネットワーク状態をピンポイントで把握するモデルを作成し、作成したモデルの 性能を評価します。

    ・ITU-ML5G-PS-016: RSSIを用いた無線LANの位置推定

    地図アプリケーションやAR(拡張現実)の登場により、位置情報の需要がますま す増加しています。代表的な位置情報にGPSのデータがはありますが、受信機か ら見える衛星数や構造物からの反射によって精度が著しく低下するという問題が あります。このGPSに代わる位置情報として、Wi-Fiのアクセスポイントや携帯電 話の基地局から受信した電波を利用した測位技術が期待されています。しかし、 一般的な三角測量では、マルチパス・フェージング・チャネルの影響を受けて高 精度な測位が実現できません。そこで本課題では、端末で観測されるRSSIを利用 したAI/ML支援による測位によって、GPSによる測位と同等の精度を達成できるか どうかを検証します。特に強力なAI/ML技術を用いて、モデルベースの位置情報 に代わるデータ指向の位置情報を実現できるかどうかを検討します。

    招待講演2件 [ネットワーク内の機械学習による高度なトラフィック分類・無線 LANのための機械学習]

    2人の専門家による本招待講演では、マイクロ波やmmWaveの無線LAN(WLAN)のた めの教師あり深層学習と強化学習の適用例を紹介します。さらに、mmWave、受信 電力予測、ハンドオーバーなどのWLANの課題に機械学習を適用する方法や、無線 通信に適用される機械学習の進展についても紹介します。

    Share this session

    Are you sure you want to remove this speaker?