5G/6G雲網融合服務質量控制

5G/6G雲網融合服務質量控制是北京郵電大學出版社出版書籍,作者是周傲。

基本介紹

  • 中文名:5G/6G雲網融合服務質量控制
  • 作者:周傲
  • 出版時間:2024年2月1日
  • 出版社:北京郵電大學出版社
  • ISBN:9787563571642
  • 定價:68 元
內容簡介,圖書目錄,

內容簡介

在數位化時代,雲網融合已經成為推動通信技術和信息科技進步的引擎。本書研究了面向5G/6G雲網融合環境的系列前沿技術,揭示了雲計算、邊緣計算、網路功能虛擬化等技術如何賦能新一代網路通信與計算。通過本書,讀者可以了解雲網融合環境下當前與未來一段時間的焦點問題,同時本書提供了豐富的雲網融合關鍵技術及解決方案。
本書適用於網路、移動通信、雲計算、邊緣計算、服務計算等領域的研究人員,以及對5G、6G和雲網融合感興趣的任何人。

圖書目錄

第1章5G/6G雲網融合概述1
1.1核心網技術演進趨勢與5G/6G雲網融合1
1.1.1雲網融合的發展與演進1
1.1.2核心網雲化及5G雲網融合2
1.1.36G新特徵及6G雲網融合4
1.2面向雲網融合的認知服務架構5
1.35G/6G雲網融合技術體系與關鍵技術分析6
1.3.1面向雲網融合的微服務協同6
1.3.2雲網融合環境下的AI服務質量最佳化8
1.3.3容器驅動的Serverless邊緣雲服務質量最佳化9
1.3.4雲網融合環境下用戶意圖轉譯10
1.3.5雲網融合環境下的策略編排11
1.3.6邊緣服務質量快速預測12
1.3.7面向移動感知和隱私保護的邊緣服務質量最佳化13
1.3.8雲原生衛星與星地融合技術14
第2章面向雲網融合的微服務協同方法研究16
2.1概述 16
2.2用戶面功能UPF感知的微服務部署方法18
2.2.1系統模型和問題建模20
2.2.2基於凸近似及李雅普諾夫最佳化的微服務部署方法24
2.2.3實驗與分析27
2.3基於強化學習的微服務協同方法32
2.3.1系統模型和問題建模34
2.3.2基於動態規劃的離線微服務協同方法38
2.3.3基於強化學習的線上微服務協同方法42
2.3.4實驗與分析44
5G/6G雲網融合服務質量控制目錄第3章雲網融合環境下的AI服務質量最佳化48
3.1概述48
3.2資源感知的邊端協作特徵提取方法49
3.2.1判別特徵提取算法50
3.2.2嵌套判別特徵提取算法55
3.2.3性能評估56
3.3雲邊協作的深度學習模型訓練方法62
3.3.1雲邊協作的深度學習模型訓練方法64
3.3.2性能評估68
第4章容器驅動的Serverless邊緣雲服務質量最佳化77
4.1概述77
4.2容器使能的Serverless技術79
4.3交換性感知的容器鏡像重構與實例最佳化部署方法81
4.3.1Docker鏡像分析81
4.3.2鏡像重構與實例最佳化部署方法86
4.3.3實驗驗證89
第5章雲網融合環境下用戶意圖轉譯方法研究94
5.1概述94
5.1.1意圖網路的概述94
5.1.2雲網融合環境下意圖轉譯的特點95
5.2基於深度學習的意圖預處理方法96
5.2.1數據預處理96
5.2.2文本預處理98
5.3多場景環境中複雜意圖的關鍵字提取方法99
5.3.1關鍵字提取技術概述99
5.3.2中文分詞算法研究99
5.3.3關鍵字提取算法研究102
5.3.4性能評價方法102
5.3.5BiLSTMCRF中文命名實體識別模型103
5.4雲網融合下針對意圖關鍵字的轉譯方法105
5.4.1命名實體識別模型——基於BiLSTMCRF模型的設計105
5.4.2意圖轉譯108
5.4.3網路策略生成110
5.5實驗及結果分析111
5.5.1數據集描述111
5.5.2評估參數111
5.5.3實驗結果112
第6章雲網融合環境下的策略編排方法研究114
6.1概述114
6.2基於神經網路的移動用戶軌跡預測115
6.2.1用戶類型115
6.2.2DLSTM模型構建115
6.3面向移動用戶的服務組合方法118
6.3.1問題描述118
6.3.2用戶移動感知模型和QoS模型119
6.3.3基於深度強化學習的服務組合方法121
6.4實驗及結果分析125
6.4.1數據集描述125
6.4.2結果分析126
第7章基於回聲狀態網路的邊緣服務質量快速預測131
7.1概述131
7.2數據收集和處理134
7.3預測模型預訓練135
7.4以用戶為中心的邊緣區域感知136
7.5服務質量快速預測137
7.6實驗及結果分析139
7.6.1數據集描述139
7.6.2實驗步驟141
7.6.3結果分析142
第8章面向移動感知和隱私保護的邊緣服務質量最佳化155
8.1概述155
8.2面向移動感知的數據收集和預處理157
8.3面向隱私保護的模型訓練160
8.4面向移動感知的用戶軌跡預測163
8.5服務質量動態最佳化策略164
8.5.1基於二維解的人工蜂群算法164
8.5.2基於增量SVM的動態最佳化策略167
8.6實驗及結果分析169
8.6.1數據集描述169
8.6.2參數設定170
8.6.3評估參數171
8.6.4對比方法171
8.6.5實驗結果及分析172
第9章天算星座與雲原生衛星技術探索182
9.1概述182
9.2雲原生衛星與天算星座183
9.2.1天算星座183
9.2.2雲原生衛星184
9.3北郵一號衛星186
9.3.1北郵一號雲原生衛星架構186
9.3.2在軌實驗與核心網上星188
9.4開放性問題與探索189
9.5結語191
第10章趨勢分析與未來探索192
參考文獻196

相關詞條

熱門詞條

聯絡我們