5G ЖЕЛІСІН НИЕТКЕ НЕГІЗДЕЛГЕН СЛАЙСИНГТЕУГЕ АРНАЛҒАН КЛАССИФИКАТОРЛАР ОТБАСЫН САЛЫСТЫРМАЛЫ ТАЛДАУ
DOI:
10.26577/JMMCS1302202612Кілт сөздер:
желілік слайсинг, машиналық оқыту, QoS, деректердің ағып кетуін азайту, 5G/6G желілеріАңдатпа
Бұл зерттеуде «Network Slicing in 5G» жалпыға қолжетімді деректер жинағын пайдалана отырып, 5G желілік слайстар түрлерін жіктеу қарастырылады. Біз ережелермен кодталған, дерлік детерминирленген бинарлы индикаторлар мен деректердің қатты қайталануынан туындаған бағалаудағы ағып кетулерді (evaluation leakage) анықтау және азайту арқылы маңызды ғылыми мәселені шешеміз. Осы жасанды контексттік жалаушаларды алып тастау және тек QoS бойынша бақыланатын телеметрияның минималды жиынтығын атап айтқан да, пакеттердің кешігуі, пакеттердің жоғалу деңгейі, уақыт және жабдық санатын пайдалану арқылы біз ағып кетуді ескеретін қатаң бағалау хаттамасын орнатамыз. Бес репрезентативті классификаторлар отбасы нәтижелердің нақты пайдалану жағдайларын көрсетуін қамтамасыз ету үшін қауіпсіз топтық бөлу (group-safe splitting) стратегиясын қолдана отырып бағаланды. Біздің тәжірибелік нәтижелеріміз ағашқа негізделген ансамбльдердің сызықтық модельдерден айтарлықтай асып түсетінін көрсетеді, ал ең күшті ансамбльдер шамамен 95% дәлдікке қол жеткізді (Histogram-based Gradient Boosting — 94,74%, Extra Trees сәл жоғары —95,14%). Бұл зерттеу өлшенетін желілік телеметрия слайстарды жоғары дәлдікпен тану үшін жеткілікті сигнал бергенімен, шынайысымсыз орталарға тән күрделі, стохастикалық қабаттасуларда навигация жасау үшін сызықты емес модельдер қажет екенін көрсетеді.
