The massive amount of data available in operational mobile networks offers an invaluable opportunity for operators to detect and analyze possible anomalies and predict network performance. In particular, application of advanced machine learning (ML) techniques on data aggregated from multiple sources can lead to important insights, not only for the detection of anomalous behavior but also for performance forecasting, thereby complementing classic network operation and maintenance solutions with intelligent monitoring tools. In this paper, we propose a novel framework that aggregates diverse data sets (e.g. configuration, performance, inventory, locations, user speeds) from an operational LTE network and applies ML algorithms to diagnose network issues and analyze their impact on key performance indicators. To this end, pattern identification and time-series forecasting algorithms are used on the ingested data. Results show that proposed framework can indeed be leveraged to automate the identification of anomalous behaviors associated with the spatial-temporal characteristics, and predict customer impact in an accurate manner.


翻译:运行中的移动网络提供的大量数据为操作者提供了一个宝贵的机会,以发现和分析可能的异常现象并预测网络性能,特别是应用从多种来源收集的数据的先进机器学习技术,可以导致重要的洞察力,不仅用于检测异常行为,而且用于绩效预测,从而用智能监测工具补充典型的网络操作和维护解决方案。在本文件中,我们提出了一个新框架,将运行中的LTE网络的不同数据集(例如配置、性能、库存、地点、用户速度)汇总起来,并应用ML算法来诊断网络问题,分析其对关键业绩指标的影响。为此,在输入的数据中使用了模式识别和时间序列预测算法。结果显示,拟议的框架确实可以用来自动识别与空间-时空特征相关的异常行为,并准确预测客户影响。

0
下载
关闭预览

相关内容

Automator是苹果公司为他们的Mac OS X系统开发的一款软件。 只要通过点击拖拽鼠标等操作就可以将一系列动作组合成一个工作流,从而帮助你自动的(可重复的)完成一些复杂的工作。Automator还能横跨很多不同种类的程序,包括:查找器、Safari网络浏览器、iCal、地址簿或者其他的一些程序。它还能和一些第三方的程序一起工作,如微软的Office、Adobe公司的Photoshop或者Pixelmator等。
多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
人工智能 | NIPS 2019等国际会议信息8条
Call4Papers
7+阅读 · 2019年3月21日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
已删除
将门创投
4+阅读 · 2018年5月31日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
Deep Anomaly Detection with Outlier Exposure
Arxiv
17+阅读 · 2018年12月21日
VIP会员
相关VIP内容
多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
人工智能 | NIPS 2019等国际会议信息8条
Call4Papers
7+阅读 · 2019年3月21日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
已删除
将门创投
4+阅读 · 2018年5月31日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
Top
微信扫码咨询专知VIP会员