Порівняльний аналіз алгоритмів машинного навчання для класифікації сервісів у мережах LTE/5G на основі QoS параметрів

DOI: 10.31673/2412-9070.2026.017414

Анотація

У статті розглянуто задачу автоматичної класифікації типів сервісів у мобільних мережах LTE/5G на основі ключових параметрів якості обслуговування (QoS). Для проведення дослідження сформовано імітаційний набір даних, що відображає показники пропускної здатності, затримки, джитера, втрат пакетів та співвідношення прямого та зворотного трафіку для різних класів сервісів (URLLC, eMBB, mMTC), із введенням шумових спотворень та випадкових помилок у мітках для більшої наближеності до реальних умов мереж.
Проведене порівняння таких моделей машинного навчання як логістичної регресії, методу опорних векторів із лінійною та радіально-базисною функцією ядра, випадкового лісу, k-найближчих сусідів, наївного байєсівського класифікатора та дерева рішень. Виконано оцінку ефективності моделей машинного навчання за точністю класифікації на тестовому наборі даних, результати представлено у вигляді графічного порівняння з відображенням діапазонів Accuracy.
Різні алгоритми машинного навчання демонструють свою ефективність в залежності від характеру даних, рівня зашумленості та нелінійності залежностей між параметрами мережі. Це обумовлює необхідність порівняльного аналізу моделей класифікації з метою вибору найбільш придатних рішень для практичного застосування у мережах LTE/5G.

Ключові слова: машинне навчання; набір даних; пропускна здатність; ML-модель; аналіз мережного трафік; алгоритми класифікації; якість обслуговування; оптимізація мережних ресурсів; тип сервісу.