没有合适的资源?快使用搜索试试~ 我知道了~
首页电信网络主动自诊断技术的研究
电信网络主动自诊断技术的研究
0 下载量 43 浏览量
更新于2024-06-18
收藏 5.07MB PDF 举报
"这篇2013年的博士论文是由Carole Hounkennou在法国雷恩第一大学完成,属于信息学领域,特别是在马蒂斯博士学校的研究框架内。论文主题聚焦于电信网络中的主动自诊断技术,这是一项旨在提高网络健康监测和故障预防的重要研究。论文的编写得到了INRIA(国家计算机科学与自动化研究所)的支持,特别是其大学部分。评审委员会包括了来自不同学术和工业界的专家,如弗朗辛·克里夫、亚辛·加姆里-杜丹、泽维尔·拉格兰奇、克里斯蒂安·德斯特雷、劳伦斯·恰瓦利亚以及论文导师埃里克·法布尔。" 论文的完成不仅需要学术上的深入研究,也离不开作者周围的支持。Carole Hounkennou特别感谢了导师埃里克·F·阿布·雷和Samir Ghamri-Doudane提供的持续指导,以及论文委员会成员的宝贵时间。她还表达了对同事、研究小组成员,特别是C'esar Viho的感谢,他们在学术和个人层面上都给予了支持和知识分享。此外,Nathalie Bertrand和Loïc Helo的帮助使得视频和反馈系统的建立成为可能。 这篇论文的撰写过程体现了团队合作和跨学科交流的重要性,而家庭的支持则构成了Carole Hounkennou取得这一成就的情感基础。她的父母和兄弟们的牺牲与支持,让她能够专注于研究并成功完成博士学位。 在电信网络的主动自诊断方面,研究可能涉及了网络监控策略、预测性维护、故障检测算法、性能优化等方面。这些内容对于理解如何提升现代通信网络的可靠性和效率至关重要。通过主动自诊断,网络运营商可以提前发现并解决潜在问题,减少服务中断,从而提高用户体验。因此,这项研究对电信行业的实践具有深远的影响。
资源详情
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/88596217/bg10.jpg)
14
我是
法国
人
,
U
U
·
U
这是一个模式
。
一个
时刻
c
e
X
=
(
V
,
E
,
P
X
,
(
φ
k
,
i
)
k
≤
K
,
i
÷
I
k
),
从
c
ees
e
到
a
y
esian
g
enéric
,
是
a
res
e
到
a
y
esianstandar
d
(
V
,
E
,
P
X
)
或
1.
每个
φ
k
,
i
都是
将
p
模式
(
Vk
,
Ek
)
插入
到
(
V
,
E
)
中
,
并且
无环
的
g
r aphe
orient
e
(V
,
E)
被这样的模式实例所覆盖:
V=≤ k
,
i
Dom(φ
k
,
i
)
,
(u
,
v)奏效于E
,
2.
pr
ob
abili
t
e
P
X
是
p
个元
W
k
a
t
r
的
herit
ee
,
在插入
态射(
φ
k
,
i
)
k
≤
K
,
i
奏效
I
k
中
:
v U,
我们有
a)
如果
·
v
=
,则
k
,
i
:
φ k
,
i
(
v
)
=
u
⇒
P
X
v
≤
P
W
k
b)
如果
·
v/=
,
则k
,
i:φ
k
,
i
(v)
=
u
,
·
v奏效(φ
k
,
i
)/= ⇒
·
v
多姆
(φ
k
,
i
)
,
P
X
v
|X
·
v
=
P
W
K
|
W
K
换
句话说,我们在不同模式Wk的几个C上构造X,并且我们在它们之间共享
一些随机变量
。
为了
确保
这个
结构的一致性,每
一个可变的
V
X
V
都
属于
你
的模式
实例
,
必须
由相同的概率条件定义
。 图
1.8
给出了 一个例 子
,
即Bayesiengenériqueav有一个由五个可变变量组
成的单一模式,而Bayesiengenériqueav有六个模式副本的实例,其模式为chev,其方式不同
。
r
eseau
B实例中故障
的
校准
是
y
esien
A B C C
D E
图
1.8:
一个
r
eseau
B有
一个
y
esien
g
enérique
(
'
a
gau c
he)
a
v,它
有
一 个 模 式
,
而
这个
r
eseau
的一个实例
(
'
right)
a
v
有
六
个模式的实例
c
he v
,它有c
ha nt
。
G
e
nérique
p
可以
被
翻译
成
一个
经典的
prob
l'eme d'in férence的方式con sui v a n te
。
让
我们假设一个变量v,例如图1.8中的Xs,是eclarée/observée,因为它是有意义的
。
此
资
源
X
是
其他资源
的
端
·
每年
从
节点
s
开始签署
。
要么
X
的
故障
是
spon
ta
nee
,
要么,
它
是X ·· s中p
r
故障的一 种 模 式
。
因此, 目 标是估计X Z , a v的 热 量v, 其 中 Z = · · s †
{ s } ( 图 1.8 中 的 灰 色 部 分 )
。
因此
,
我们可以构造一个主要原因定位器L,
作为X Z的一个函数
,它不
涉及
X Z
内 单 个 主 要 原 因 的 存 在
。
因此
,目标是估计
L
的
值
。
在
X Z 的
(或
直接n
t
atta c
ees
'
a)
内 有
v
个 变 量
ob s e r v
,
通过t
icu
将
obs e r v
与
X s
的 有 意 义
的
v
相联 系
。
签名
者
X
S
![](https://csdnimg.cn/release/download_crawler_static/88596217/bg11.jpg)
R
结果
15
Σ
ˆ
Y
0
=
y
0
这个
向量
v观察到v
e
。
条件
法则
P
X
Z
|
Y
0
=
y
0
给出了X s的故障的第一个I
'
e
r-
形 式
:
通过
v r
ais
e m
blance的maxi m um,我们
得到
了
一个解释
(
即
n n e s
的传播),
v ale u r
X Z = arg max x P X
Z
|
Y
0
=
Y
0
(
x
)。
我们通过计算
X Z eta n t don
n
e Y 0 = y 0
的n个
条件
熵
来验证这个
解释
的
可靠
性
H
(
X Z
)
|
Y
0
=
y
0
)
=
-
P
X
Z
|
Y
0
=
y
0
(
x
)
·
lo g
2
P
X
Z
|
Y
0
=
y
0
(
x
)
x
大的条件熵值
意味着观测Y0 = y0不足以在许多e x个映射中进行选择。
我们有
一个很好
的例子,
那就是她
。
为了
获得关于X Z的更多信息,即推导出e n tropie conditio n nelle,收集了更多
的观测量v
。
这个
e n
太i
e
越
接近
zero
,
X Z的估计值就
越
大
。
ee
的i是探索一个更大的
区域的实例的reseau B a y esien d的目的是收集更多的观察v的情况下,说明了一节
的例子p e c ede n te
.
从
探索 节 点r s U 0 = Z的意义 m ble出 发 ,我们 传 递到U 1 U 0,使得U 1是 f
m e p,并且有 一个关 系 式 : · U 1 U 1
。
这
就
定 义 了
一个
新的v
elense m
b
,
即
r v
个方
程
Y 1 = y 1
,
"
由此
X Z p
可以是一个条件
H
(
X
Z
|
Y
0
=
y
0
,
Y
1
=
y
1
)
s
足够
弱
。
否则
,我们
用
另
一个
扩展来扩展v。
在
图1.8中,我 们 可以扩 展 rese au实 例B 的 expl o ree,以便 在 绿色模 式 实 例
或 紫色 模式 实例 中 捕 获 观 测 值
。 从
Y
1
和
Y
2
的符号来看
,这
两
个
符号
都有
可能
观
察到v
。
最
能提供信息的意义是在
c ompa r a n t H
(
X Z
)中获得
n
u
|
Y
0
=
Y
0
,
Y
1
)
a
'
H
(
X
Z
)
|
Y
0
=
y
0
,
Y
2
):
最
低
的v aleur
表示在m o y中信息量最大
的ense m b。
该
热量
是
预先计算的
,而不需要
查询/测试
ObservableYiielection的有效热
量
。
让
我们假设
Y1
是
最
有
希望的。
这
定 义 了
一个新
的 区 域
U 1
,在
R eseau B a y
esien
的情况下考虑了该区域
U
1,在该区域中 可 以 收 集 观察到的热量v ee Y 1 = y 1
。
Ap r
'
是
一
个
经典的例子,
我们
得到n
个
分布
'
a
pos te
'
eriori
P
X
Z
|
Y
0
=
y
0
,
Y
1
=
y
1
,并且
通过
con
n
t
,
e n
个额外的熵
c o n
个
H
(
X
Z
|
Y
0
=
Y
0
,
Y
1
=
Y
1
)。
注意
H
(
X Z
)
|
Y
0
=
y
0
,
Y
1
=
y
1
)
p实际
上
比
m o
y
H
(
X
Z
) 更
p
或 更 大 。
|
Y
0
=
y
0
,
Y
1
)
用于确定
最 有
希望的观测。
nou
v {\displaystyle\
mathbb
1.6
R
&
E
结果
为了
测试上述探索结构的正确性,我们在一个树形的大型B-eseau y-esien g-e-erique实
例上进行了测试
。
L’unique
观察V表。
图
1.9,
或
每一次峰会
都代表
着
你
。
模式的一个
实例
(因此
是
5v
变量
)。
连接
模式
的两
个
实例
![](https://csdnimg.cn/release/download_crawler_static/88596217/bg12.jpg)
16
我是
法国
人
,
11
13
12
5
21
6
2
22
10
14
1
4
3
20
16
8
9
7
18
19
15
17
通过在节点{ A,B,C }之间共享1、2或3个变量来重叠,这是
指连接这些模
式 的宽 度
。
在
模式X1的实例中
,v个变量X1,A,X1,B,X1,C是d p enda n
tes中的统一二进制v个变量
。
在所有其他模式X
i
,i > 1中,变量X
i
,
A
,
X
i
,
B
或
X
i
,
C
新形成
(
p
,
1
−p
)
分布
a
v
,
p
=
0
。
9,
在
Garan
Tir
的
BU
T
中
有
一
个关系角
在图1.9中,"
a
long
p
or t
" 是
e
模式的实例。
在
pat- tern
Xi
中
,观测值Y
i
对应于变量
Xi
、
D
、
Xi
、
E
。D更敏感
"
有
B的
故障
,
也有
A
的故障
。
同样,
E
对C的
反应
多于
对
B
的反应
。
在
两
个
传
感器中,
f
与
p
的比率
和
f
与
n
的比率
为
5%。
图
1.9:
r'eseau
B
的一个实例
有22
个模式
实例
。
连接
两个实例的线的厚度参考v变量的第
m个实例
。
为了估计中心模式
X1
,按区域引入观测
值,从区域开始,到最叶片
的
区域
。
它
包括从
由
这个
实例
R
eseau
B a
y
esien
g
e
nérique所写的pro cessus d e中提取一个e c
ha n tillon a eatoire,
并
计算
有条件分配
P
X 1
。
|
Y
U
=
y
U
的
模式
,这不是你
的
n
t
这
意
味
着我
从
U
=
{
1
}
开始到
U={1
,
2
,
...
,
22
}
。 在另
一种情况下,测量信息量
是n
c
o r
r
ee
a
c
haque
eta p
e。
P
our
c
haque
e c
ha n
tillon
,
H
的
e
卷
u
(
X 1
)
|
Y
U
=
Y
U
)
已
校准
。
我
的经验已经被我利用了一千次
。
在
m o
y中,我们观察到v
e
为
H
(
X
1
|
Y
U
=
y
U
)的
位置
(图
1.10)
和
co n
v
erge
rapi d
e
me n
t。
这个
penda n
t,
p
e
c
ha n
tillon
don
n'e
,
这个
法
院b
e
p
可能
不会崩溃
,
事实上
,
即使
你不
遵守vable
est
t
res
informati v
e
en
mo
y
e
ne,
真实的
valeel
obbe
r
v
ee
可能会
导致一个
修订
的
h
y p
ot h
es
courn
tes
, 因 为 它没 有
一
个
增 加
的不确定性
。
更详细地说,
我们
已经
看到
了 关于 如何 设 计 测 量 的 排 名
统
计
数据
。
最
好的
顺序
是
在图1.9中,X1周围的面积不断增加。这些模式非常
事实
上,情况并不总是这样
,
但
情况
并非总是如此
。
我们
还
看到
了这个
应用
程序的安全性,以解决IMS架构中的
典型
故障
。
这
是一个很好的例子,也是本书第八
章
中描述的最后一个例子
。
![](https://csdnimg.cn/release/download_crawler_static/88596217/bg13.jpg)
结论
17
2.4
X值不确定性的减少
1
2.2
2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0 5 10 15 20
25
k =
考虑 到估计值
X
的观 测值数量
1
图1.10:中心模式X1的平均条件熵演化
因此
,当没有人注意到你时,你会感到惊讶
。
1.7
结论
这些
技术人员在一个隐蔽的地方以一种
谨慎
和
自主的方式把他们的脚放在
vena n
t
上
。
它们
适用于特定的实例,提供了广泛的推理技术,建议了分析故
障影响的方法,并在建议修复措施方面走得更远
。
他们
的
脚跟
在AC希尔是
在OBTEN的一个MO的EPRecis的ReauGeRe
。 我们
提出了一个
新的
水
概念:
自动化,它减少
了构造元素的难度,使元素的模式没有任何限制,它利用了规范中的可识别性
。
因
此,
在
连接n
t
所有
这一切,
目的是减少在这个reeseau实例中的资源
ePL
或
ees
中的
资源的结构。
我们
已经提出了一种
形式主义,这种形式主义
是
基于
r
eseau
B a
y
esien
g
enéric
的概
念:
一个
r
eseau
B a
y
e
它
的
com p
o
e的一定数量的模式副本
。
即使
mo的实例很大,人
们也只需要探索解释/诊断观察到的功能障碍所必需的那部分实例
。
事实
上,
变量
t r
op
eloig
并没有传递任何关于功能障碍的信息--也没有观察到任何东西
。
这种
penda n
t,
这种
形式主义需要被理解,以捕捉构造h i'erar c hique i n trin s'eque
aux reseaux,也就是说,一个段n t reseau从e com p敢g e n'erallyn't变成一个段n ts
reseaux加上pétits的链,这是以一种非常精确的方式。
这样
的水资源还不存在,
但似乎对水资源的管理至关重要
。
另
一个
方向的
r
ec
herche
将是治疗n
t
sim
ulta
n
e
和/或
连续的
几个
H
(
X
)
|Y
,,
Y
)
1 1 k
![](https://csdnimg.cn/release/download_crawler_static/88596217/bg14.jpg)
18
我是
法国
人
,
请求诊断。
另
一个
方向
是认识到
这个
原因-
-不要以任何方式分散我们的注意力--要认识
到这样一个事实,即部分是由不同的东西构成的,而不是由不同的东西构成的
。
最
后,
计算
因此,我们必须考虑到一个给定
的故障对某个
变量的
所有
变量的影响
。
在
一
个不寻常的模式中,没有一个是从
B到
Y
的
。
出版物列表
•
(Hounkonnou和Fabre,2012年)卡罗尔·Hounkonnou和埃里克·法布尔。
通过自
我建模实现自我诊断。在
第八届网络和
服务管理国际会议(
CNSM
)上
,CNSM
2012,第364-370页, 2012年10月 22-26日,拉斯维 加 斯 。
•
(Hounkonnou和Fabre,2013年)卡罗尔·Hounkonnou和埃里克·法布尔。 增强
型OSPF 优雅重启。在
IFIP/IEEE
集成网络管理(
IM
)国际
研讨会上,IM
2013,2013年5月27
•
( Hounkonnou 等 人 , CaroleHounkonnou 、 Samir Ghamri-Doudane 和
Eric
Fabre
。
在
使用SPF路由协议的路由器网络中
检测
和
纠正
b个 路 由
环
路
。2012年
欧洲专利
剩余173页未读,继续阅读
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![7z](https://img-home.csdnimg.cn/images/20210720083312.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 新型矿用本安直流稳压电源设计:双重保护电路
- 煤矿掘进工作面安全因素研究:结构方程模型
- 利用同位素位移探测原子内部新型力
- 钻锚机钻臂动力学仿真分析与优化
- 钻孔成像技术在巷道松动圈检测与支护设计中的应用
- 极化与非极化ep碰撞中J/ψ的Sivers与cos2φ效应:理论分析与COMPASS验证
- 新疆矿区1200m深孔钻探关键技术与实践
- 建筑行业事故预防:综合动态事故致因理论的应用
- 北斗卫星监测系统在电网塔形实时监控中的应用
- 煤层气羽状水平井数值模拟:交替隐式算法的应用
- 开放字符串T对偶与双空间坐标变换
- 煤矿瓦斯抽采半径测定新方法——瓦斯储量法
- 大倾角大采高工作面设备稳定与安全控制关键技术
- 超标违规背景下的热波动影响分析
- 中国煤矿选煤设计进展与挑战:历史、现状与未来发展
- 反演技术与RBF神经网络在移动机器人控制中的应用
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)