下面以机器学习在通信网络和数据中心网络中的两个应用场景示例，进一步说明通信与人工智能协同融合所带来的优势。图12.27信息通信网络中的机器学习机器学习在数据中心网络中的应用示例在数据中心网络中，针对多样化的业务请求，流量信息的预测与高效利用是网络资源智能、高效管理的核心需求。......
2023-06-26
典型应用场景示例
【摘要】：下面以机器学习在通信网络和数据中心网络中的两个应用场景示例，进一步说明通信与人工智能协同融合所带来的优势。图12.27信息通信网络中的机器学习机器学习在数据中心网络中的应用示例在数据中心网络中，针对多样化的业务请求，流量信息的预测与高效利用是网络资源智能、高效管理的核心需求。
下面以机器学习在通信网络和数据中心网络中的两个应用场景示例，进一步说明通信与人工智能协同融合所带来的优势。
（1）机器学习在通信网络中的应用示例
随着人们对于网络服务需求的增加，通信网络需要满足不同用户的多样化需求。传统的网络运行模式单一，即在一张网络上运行所有的业务，网络切片的出现有效解决了这一问题。即将网络切片定义为端到端的虚拟网络，包括和核心网和接入网。运营商可以为不同的网络切片定制不同的服务并分配端到端的网络资源，并将切片分给不同的租户以满足其不同的网络需求。为降低成本并改善网络性能，可以根据实时服务要求动态调整分配给租户的网络资源。此外，由于城市地区大量公民的日常活动具有高度可预测性，可以利用基于机器学习进行流量感知：在流量需求更大的高峰期，给网络动态分配更多的网络资源如带宽、网络处理能力等，而在网络资源需求量少的情况下，动态减少其资源分配。因此，利用机器学习的方法设计流量感知动态切片框架，可以进行高精度流量预测，并动态分配网络资源，有效降低阻塞概率和延迟。
如图12.27所示的机器学习融合网络切片框架是一个典型的基于SDN 的分层网络框架，分为数据平面、控制平面和编排器。数据平面负责分组转发包括RRU、传输网络及云等网络设备；控制平面功能负责系统配置、管理和交换路由表信息；编排器是基于机器学习来执行数据收集分析，并提供多域控制来按需协调网络资源提升网络性能。
图12.27 信息通信网络中的机器学习
（2）机器学习在数据中心网络中的应用示例
在数据中心网络中，针对多样化的业务请求，流量信息的预测与高效利用是网络资源智能、高效管理的核心需求。云数据中心网络的流量主导全球数据流量，智能灵活地提升网络容量和资源利用率，成为缓解流量不足的有效手段。人工智能可协助实现网络的智能控制与管理功能，这些功能包括灵活资源分配、故障检测、网络性能检测等。在众多的人工智能技术中，机器学习是最优选的学习、分类/识别和预测技术。通过智能的网络流量预测对降低网络时延、提升网络吞吐量、通过预测下一时间段的流量均衡整个网络流量的全局调度具有重要的意义。
图12.28为机器学习在数据中心网络提供资源分配的一个场景，利用特定应用信息和请求可预测或准确的知识，如保持时间、带宽、历史流量和时间延迟等，解决流量的智能聚合问题。由于数据流的动态多样化，场景中采用机器学习中的长短期记忆网络（LSTM，Long Short Term Memory）模型预测随时间变化的流量和连接的阻塞率趋势。
图12.28 应用请求的多种流量参数
图12.29展示了频域与时域中，考虑频谱碎片整理的频谱分配示例：根据预测到的流量和阻塞率的趋势，在动态连接建立与拆分场景中，采用基于碎片整理的频谱分配策略，可提高资源利用率，降低业务阻塞率。
图12.29 业务频谱分配示例
有关现代通信技术（第5版）的文章
- 详细阅读
-
典型应用场景示例解析详细阅读
下面以潮汐效应业务模式下的基站聚合、多点协作传输两个应用场景示例，进一步说明光波与无线协同融合所带来的优势。图12.8展示了一个在潮汐效应业务模式下基站聚合方案示意图。如图12.9所示，对于移动用户1，协作的基站通过波长λ1连接到BBU1，将这种Co MP流量称为Intra-BBU 的Co MP。通过将小区的波长从λ2重构到λ1，组成了与BBU1相连的服务于U1和U2的Co MP小区，实现网络资源的高效利用。图12.10最大化Intra-BBU Co MP流量的波长重构技术......
2023-06-26
-
优化后：典型应用场景示例展示详细阅读
物联网是典型的应用和商业需求驱动的市场，本节讨论的NB-Io T、e MTC、LoRA 和Sigfox等技术都属于LPWA 范畴，解决5G 定义的大连接物联网需求。表12.2LPWA技术方案对比当前最成熟的应用是水表与电表的自动抄表应用，其他应用如路灯、停车场、自动贩卖机和物品跟踪等也在迅速增加。物联网是由多学科高度交叉形成的新兴前沿研究热点领域，目前在国际上备受关注。......
2023-06-26
-
典型应用场景示例优化详细阅读
下面以视频优化加速、车联网、增强现实三个应用场景示例，进一步说明通信与计算协同融合所带来的优势。图12.15车联网部署示意图随着连入车联网的车辆数量的增加，所需传输数据量增加，对时延的要求也更高。这使得附近的车辆能够在毫秒之内接收数据，从而允许驾驶员立即做出反应。图12.16增强现实应用示意图云计算、边缘计算、移动边缘计算等技术的出现，为信息通信网络面临的问题带来了新的解决方案。......
2023-06-26
-
典型供配电系统的电工接线图及应用场景详细阅读
图3-2 典型供配电系统的电工接线图从该供配电系统的电工接线图可看出，电压经总断路器分为12条支路，分别为照明支路、插座支路和备用支路，照明支路选用不带漏电保护的断路器，插座支路选用带有漏电保护的断路器，备用支路选用不带漏电保护的断路器和带有漏电保护的断路器。电工接线图主要应用于电工的安装接线、线路检查、线路维修和故障处理等场合。......
2023-06-24
-
传递函数示例——典型环节详细阅读
比例环节的表达式为比例环节的传递函数为在物理系统中无弹性变形的杠杆、非线性和时间常数可以忽略不计的电子放大器、传动链之速比以及测速发电机的电压和转速的关系，都可以认为是比例环节。图2-7微分环节如图2-7所示的电路的微分方程为消去中间变量得相应的传递函数为式中，Tc=RC。称具有这种传递函数形式的环节为比例微分环节。一阶惯性环节的微分方程为其传递函数可以写成如下表达式：式中，K——比例系数；T——时间常数。......
2023-06-28
-
查询分析及其应用示例详细阅读
查询分析可以对确定无法进一步处理的规范化查询予以拒绝，拒绝的主要原因是该查询的变量类型是不正确的，或者语义是不正确的，等等。 假设有三个关系，分别是Student（学生）、COURSE（课程）和SC，我们来看下面的SQL查询：Select sname，cnof rom Student，SC，COURSEwhere Student.sno=SC.sno AND cname="CAD/CAM"AND age=23图7.1为了对应例7.2的查询图，分为两个不相连的子图。拒绝该查询，或者假设存在一个蕴含SC和COURSE的连接或笛卡儿积运算。图7.1不相连的查询图......
2023-10-28
-
测量系统的分类与应用场景详细阅读
具有放大器的数据采集卡可配置成差分测量系统。然而，实际应用的板卡却限制了差分测量系统抵抗共模电压的能力，数据采集卡的共模电压的范围限制了相对于测量系统地的输入电压的波动范围。图3-6描绘了一个16通道的RSE测量系统。测量接地信号最好采用DEF或NRSE测量系统。在差分测量系统中，应该保证相对于测量地信号的共模电压在测量系统设备允许的范围之内。......
2023-07-02
相关推荐