[論文レビュー] Deep Learning in Mobile and Wireless Networking: A Survey

Chaoyun Zhang, Paul Patras+1 more|arXiv (Cornell University)|Mar 12, 2018

IoT and Edge/Fog Computing参考文献 335被引用数 128

ひとこと要約

本調査は、ディープラーニングがモバイルおよびワイヤレスネットワーキングにどのように適用されているかを概観し、モデル、デプロイメントプラットフォーム、アプリケーション、適用手法、未解決の課題を扱う。

ABSTRACT

The rapid uptake of mobile devices and the rising popularity of mobile applications and services pose unprecedented demands on mobile and wireless networking infrastructure. Upcoming 5G systems are evolving to support exploding mobile traffic volumes, agile management of network resource to maximize user experience, and extraction of fine-grained real-time analytics. Fulfilling these tasks is challenging, as mobile environments are increasingly complex, heterogeneous, and evolving. One potential solution is to resort to advanced machine learning techniques to help managing the rise in data volumes and algorithm-driven applications. The recent success of deep learning underpins new and powerful tools that tackle problems in this space. In this paper we bridge the gap between deep learning and mobile and wireless networking research, by presenting a comprehensive survey of the crossovers between the two areas. We first briefly introduce essential background and state-of-the-art in deep learning techniques with potential applications to networking. We then discuss several techniques and platforms that facilitate the efficient deployment of deep learning onto mobile systems. Subsequently, we provide an encyclopedic review of mobile and wireless networking research based on deep learning, which we categorize by different domains. Drawing from our experience, we discuss how to tailor deep learning to mobile environments. We complete this survey by pinpointing current challenges and open future directions for research.

研究の動機と目的

• ディープラーニングとモバイル/ワイヤレスネットワーキングのギャップを橋渡しし、将来のネットワークでの利用を促す。
• ネットワーキングへの応用が見込まれるディープラーニング技法の最新の網羅的なレビューを提供する。
• モバイルシステム上でディープラーニングを展開するための実用的な実現要因（ソフトウェア/ハードウェア、プラットフォーム）を検討する。
• モバイルネットワーキングのタスクに合わせてディープラーニングモデルを調整するための指針を提供し、未解決の課題と方向性を特定する。

提案手法

• モバイルおよびワイヤレスネットワーキングに関連する最先端ディープラーニングモデルを分類し、レビューする。
• コア DL の概念と、それらがネットワーク解析・管理にどのように関連するかを説明する。
• アーキテクチャを比較し、ネットワーキング問題に対するモデル選択の指針を提供する。
• トラフィック分析、セキュリティ、管理などの分野における DL 型アプリケーションを調査する。
• モバイルネットワーキングの問題に合わせて DL モデルを調整する方法を議論し、今後の研究方向を概説する。

実験結果

リサーチクエスチョン

• RQ1 なぜディープラーニングはモバイルネットワーキングの問題解決に有望なのか？
• RQ2 モバイルおよびワイヤレスネットワーキングに関連する最先端のディープラーニングモデルは何か？
• RQ3 モバイルネットワーキング領域における最新の成功したディープラーニング応用は何か？
• RQ4 研究者は特定のモバイルネットワーキングの問題に対してディープラーニングをどのように適合させることができるか？
• RQ5 さらなる研究における最も重要で有望な方向性は何か？

主な発見

• ディープラーニングは特徴抽出を自動化し、異種のモバイルデータにおける手作り特徴の必要性を低減する。
• DLはビッグデータにスケールし、訓練のスケーラビリティを高める SGD を活用して大規模データセットでの過学習を緩和する。
• DLは教師なしまたは半教師ありの方法を用いて、ラベルなしまたは半ラベル付きデータから学習を可能にする。
• DL が学習する表現はタスク間で共有でき、再訓練の必要を減らしつつマルチタスク学習を可能にする。
• グラフや点群などの幾何データ向けの特殊な DL アーキテクチャは、モバイルデータ表現に適している。
• 本調査は制限点と未解決の課題を特定し、今後の研究方向を概説する。