ノルウェーのモバイルネットワーク使用データを使用して、非侵襲的で安価な方法で通信およびモバイルネットワークの状態を監視する可能性を示す論文です。ネットワークデータをリザーバーコンピューティングフレームワーク内のモデルに変換した後、プロキシジョブのモデルパフォーマンスを測定する方法を使用します。実験は、これらのプロキシ操作のパフォーマンスがネットワークの状態にどのように関連しているかを示しています。この方法の主な利点は、簡単に利用可能なデータセットを使用し、安価でほとんどのアルゴリズムに適用可能なリザーバコンピューティングフレームワークを利用することです。匿名化され集約された形式のモバイルネットワーク使用データは、1日に複数のスナップショットで提供されます。このデータは重み付けネットワークとして扱うことができ、リザーバコンピューティングは訓練されていない重み付けネットワークを機械学習ツールとして使用できます。エコ状態ネットワーク（ESN）で初期化されたネットワークは、入力信号を高次元空間に投影し、単一の訓練された層が機能します。これは、すべてのネットワーク重みを訓練する深層ニューラルネットワークよりもエネルギー消費量が少ない。神経科学に触発されたタスクを使用してESNモデルをトレーニングし、パフォーマンスが特定のネットワーク構成に依存し、ネットワークを妨げるとパフォーマンスが著しく低下することを示しています。概念証明としての役割を果たしますが、リアルタイムモニタリングやモバイル通信ネットワークや交通ネットワークの脆弱性の識別にも活用できると期待しています。
