キューイングネットワークにおける非再生到来過程の学習ベースの重ね合わせ演算子

要旨: 到来過程の重ね合わせは、入力が一般的な非再生到来過程である場合、キューイングネットワークにおいて基本的でありながら解析的には扱いにくい操作である。古典的手法は、統合された流れを再生代替に還元するか、計算量の多いマルコフ表現に依存するか、あるいは平均値性能指標のみに焦点を当てるかのいずれかである。 我々は、複数の到来過程の低次モーメントと自己相関指標を、それらの統合過程のモーメントへ写像する、スケーラブルなデータ駆動型重ね合わせオペレータを提案する。オペレータは、正確な重ね合わせが可能な合成的に生成されたMAP（マルコフ到来過程）で訓練されたディープラーニングモデルであり、集約ストリームの最初の5モーメントと短期的依存性構造を正確に復元するコンパクトな表現を学習する。広範な計算実験は、異種の変動性と相関レジームにわたって一様に低い予測誤差を示し、古典的な再生ベースの近似を大幅に上回ることを示している。要デパーチャ過程と定常状態解析の学習ベースモジュールと統合すると、提案されたオペレータは、合流流を持つフィードフォワード型キューイングネットワークの分解ベース評価を可能にする。フレームワークは、従来の解析的アプローチに対するスケーラブルな代替手段を提供しつつ、正確な分布的性能解析に必要な高次の変動性と依存性の情報を保持する。