中兴&amp数字孪生网络（DTN）白皮书（53页）.pdf

编号：54283

PDF 53页 11.43MB 下载积分：VIP专享

下载报告请您先登录！

中兴&amp数字孪生网络（DTN）白皮书（53页）.pdf

1、-网络规划和建设的建模:基于数据仓库中的网络及业务相关的数据利用深度学习.机器学习(随机森林、梯度提升决策树(Gradient boosting decision tree , GBDT)等人工智能算法对业务预测、网络性能预测、覆盖优化、容量规划及站址规划等场景进行一一建模，通过数据仓库不断补充、更新训练数据到模型中，进行模型更新迭代，形成一种AI模型的自适应机制,以实现更加精确的模型推理。-网络维护的建模网络维护是一项庞大而复杂的无识别结果十存在的各种故障定位及定界问题,当前已有的抽象出来的数学算法还不具备对现存问题全面准确的表达能力。面向网络维护的建模，基于经验知识的推理规则通常更加有效。

2、因此，我们引入知识图谱作为数字孪生体中一种重要的核心技术,人类的经验知识通过知识图谱固化下来。知识图谱的规模随着不同的场景域相关经验知识的不断沉淀构建的事物之间的关联关系体系愈发庞大,所累积的背景知识亦不断增加。将网络专家自身的经验转换为推理规则集成于知识图谱，可实现对故障诊断及定位等网络维护场景的精准推理。-网络优化的建模网络优化包括诸如资源调配、流量工程、内容分发网络调度等多种场景。对于网络优化模型的建模，由于其问题的非凸性、非平稳性、随机性等困难，可采用进化类算法，如遗传算法、差分进化算法、免疫算法等，或者采用群智能算法，如蚁群算法、粒子群算法等。另外,对于复杂的动态调度优化场景，可引入强化学习基于强化学习的智能调度方法组合了动态规划、随机逼近和函数逼近的思想，与传统调度方法相比,无需建立精确的问题模型，适合解决基于动态调度的网络优化问题。

友情提示

1、下载报告失败解决办法
2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，就可以正常下载了。
3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。
4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰。

本文（中兴&amp数字孪生网络（DTN）白皮书（53页）.pdf）为本站（半声）主动上传，三个皮匠报告文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知三个皮匠报告文库（点击联系客服），我们立即给予删除！

温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载不扣分。