Parametreli ve Özel Kayıp Fonksiyonları: Ağ Trafiği Tahmini İçin Bir Örnek
Evren TUNA | AR-GE ve İnovasyon Müdürlüğü
Öngörücü Derin Sinir Ağı (DNN) uygulamalarında uygulamaya özgü, parametreli, özel kayıp fonksiyonlarının tasarlanması ve kullanılmasının önemini gösteriyoruz. Gerçek trafik değerinden daha azını tahmin etmenin, gerçek trafik değerinden daha fazlasını tahmin etmekten daha zararlı olduğu yeni nesil iletişim sistemlerinde bir hücresel trafik tahmin uygulamasını ele alıyoruz. Hücresel ağ operatörleri, ihlaller için yüksek ceza maliyetleri taşıyan hizmet düzeyi anlaşmalarını (SLA’lar) sürdürmeyi amaçlamaktadır, yani negatif tahmin hataları. Tersine, aşırı sağlama maliyeti, yani pozitif tahmin hataları, operatörler için SLA ihlallerine kıyasla daha az önemlidir. Simetrik olan standart kayıp fonksiyonları, pozitif ve negatif tahmin hatalarının farklı önemini hesaba katamaz. Bu çalışmada, negatif tahmin hatasının ağırlığının SLA ihlal oranı tarafından belirlendiği birkaç özel kayıp fonksiyonunu tanıtıyor ve karşılaştırıyoruz. Önerilen ağırlıklı Ortalama Üstel Hata (wMEE) tabanlı kayıp fonksiyonumuzun, belirli bir SLA ihlal oranına uyarken en küçük aşırı sağlama hacmiyle sonuçlandığını buluyoruz. Daha da önemlisi, bulgularımız DNN uygulamaları için hiperparametre ayarlama sürecine özel kayıp fonksiyonu parametre tasarımının dahil edilmesi gerektiğini göstermektedir.
Makalenin tamamını okumak için 👇🏻
https://ieeexplore.ieee.org/document/10757953
Yayımlandığı Yer: 2024 IEEE 100. Taşıt Teknolojileri Konferansı (VTC2024-Sonbahar)
DOI: 10.1109/VTC2024-Sonbahar63153.2024.10757953
Yayın Tarihi: 28 Kasım 2024
