Show simple item record

Network-aware Distributed Deep Neural Networks for Slice Resource Allocation in 6G



dc.contributor.advisorBečvář Zdeněk
dc.contributor.authorOndřej Šmíd
dc.date.accessioned2022-01-25T23:51:37Z
dc.date.available2022-01-25T23:51:37Z
dc.date.issued2022-01-25
dc.identifierKOS-1064879369505
dc.identifier.urihttp://hdl.handle.net/10467/99137
dc.description.abstractNetwork slicing se ukazuje jako klı́čový koncept v sı́tı́ch 5G a dalšı́ch generacı́ch. V konceptu network slicingu by operátoři sı́tı́ měli spravovat fyzické zdroje mezi slicy. Tyto fyzické zdroje, použı́vané a pozorované na různých mı́stech, jsou ideálně alokovány do každého slicu sı́tě na základě předpovědi spotřeby zdrojů. Zdroje z vı́ce lokalit jsou obvykle agregovány přes Edge v Cloudu, kde lze alokaci vytvořit, komunikace Edge-Cloud zvyšuje komunikačnı́ režii. Tato práce navrhuje formu distribuce hlubokých neuronových sı́tı́ (DNN), která snižuje mı́ru komunikačnı́ režie v sı́ti způsobenou přenosem informacı́ o zdrojı́ch Edge-Cloud při zachovánı́ schopnostı́ předpovědi centralizované DNN. Práce také navrhuje novou cı́lovou funkci správy sliců umožňujı́cı́ (D)DNN vytvářet alokaci pro vı́ce sliců najednou. Distribuce DNN vyžaduje kontrolu výkonu, pro které jsou navržena tři možná řešenı́. Všechna řešenı́ jsou porovnána pro natrénované DDNN a použita pro porovnánı́ mezi výkonem a komunikačnı́ režiı́. Nabı́zená řešenı́ umožňujı́ dosáhnout pouze zlomku potřebné komunikace v centralizo- vaném DNN při dosaženı́ mı́rného poklesu výkonu nebo v některých přı́padech i zvýšenı́ výkonu. V některých přı́padech jsou uvedny funkce, které ukazujı́ skutečné snı́ženı́ režie a zvýšenı́ výkonu.cze
dc.description.abstractNetwork slicing emerges as a key concept in 5G and beyond networks. In the network slicing concept, the networks operators should manage physical resources between slices. These physical resources, used and observed in different locations, are ideally allocated to each slice based on a resource consumption forecast. Resources from multiple locations are usually aggregated through the Edge in Cloud, where the allocation can be created, Edge-Cloud communication increases communication overhead. This work proposes a form of deep neural networks (DNN) distribution, which alleviates communication overhead in the network caused by Edge-Cloud resource information transfer while maintain forecasting capabilities of centralized DNN. The work also proposes a novel slice management objective function enabling (D)DNN create allocation for multiple slices at once. DNN distribution requires performance moderation for which three possible solutions are offered. All solutions are compared for trained DDNN and used for description of trade off between performance and communication overhead. The offered solutions enable to achieve only a fraction of communication needed in centralized DNN while reach slight performance de- cline or in some cases even performance gain. Trade off functions are offered in some cases to show real overhead reduction and performance gain.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmleng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.htmlcze
dc.subjectAlokace zdrojůcze
dc.subjectNetwork slicingcze
dc.subjectStrojové učenı́cze
dc.subjectDistribuované hluboké neuronové sı́těcze
dc.subjectResource Allocationeng
dc.subjectNetwork Slicingeng
dc.subjectMachine Learningeng
dc.subjectDistributed Deep Neural Networkseng
dc.titleAlokace zdrojů pro slicing v 6G sítích pomocí distribuované hluboké neuronové sítěcze
dc.titleNetwork-aware Distributed Deep Neural Networks for Slice Resource Allocation in 6Geng
dc.typediplomová prácecze
dc.typemaster thesiseng
dc.contributor.refereeGiannakas Theodoros
theses.degree.disciplineKomunikační sítě a internetcze
theses.degree.grantorkatedra telekomunikační technikycze
theses.degree.programmeElektronika a komunikacecze


Files in this item





This item appears in the following Collection(s)

Show simple item record