Un enfoque basado en una Red Generativa Antagónica Condicional para el Segmento de Red en Redes Vehiculares Heterogéneas
Autores: Falahatraftar, Farnoush; Pierre, Samuel; Chamberland, Steven
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Un enfoque basado en una Red Generativa Antagónica Condicional para el Segmento de Red en Redes Vehiculares Heterogéneas
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Telecomunicaciones
Palabras clave
Heterogéneo
Red vehicular
Segmentación de red
Tecnología 5G
Red definida por software
Red adversarial generativa condicional
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
La Red Vehicular Heterogénea (HetVNET) es un tipo de red altamente dinámica que cambia muy rápidamente. Con respecto a esta característica de las HetVNET y la noción emergente de segmentación de red en la tecnología 5G, proponemos una arquitectura híbrida inteligente basada en Redes Definidas por Software (SDN) y Virtualización de Funciones de Red (NFV). En este artículo, aplicamos una Red Generativa Adversarial Condicional (CGAN) para aumentar la información de escenarios de red exitosos relacionados con la congestión y la dinámica de la red. Los resultados muestran que la CGAN propuesta puede ser entrenada para generar datos valiosos. Los datos generados son similares a los datos reales y pueden ser utilizados en los planos de las secciones de HetVNET.
Descripción
La Red Vehicular Heterogénea (HetVNET) es un tipo de red altamente dinámica que cambia muy rápidamente. Con respecto a esta característica de las HetVNET y la noción emergente de segmentación de red en la tecnología 5G, proponemos una arquitectura híbrida inteligente basada en Redes Definidas por Software (SDN) y Virtualización de Funciones de Red (NFV). En este artículo, aplicamos una Red Generativa Adversarial Condicional (CGAN) para aumentar la información de escenarios de red exitosos relacionados con la congestión y la dinámica de la red. Los resultados muestran que la CGAN propuesta puede ser entrenada para generar datos valiosos. Los datos generados son similares a los datos reales y pueden ser utilizados en los planos de las secciones de HetVNET.