互联网PhyDNNs: Bringing Deep Neural Networks to the Physical Layer 打破传统边界,让 AI 更快更省能——PhyDNNs 正在重塑通信与智能终端未来! 在智能设备与实时交互应用高速发展的今天,从增强现实 (AR) 到虚拟现实 (VR),从智能驾驶到无人机,都对实时计算提出了前所未有的要求。然而,深度神经网络(DNN)传统的... 4周前 (12-11)
互联网m3: Accurate Flow-Level Performance Estimationusing Machine Learning 当网络仿真不再“慢 + 重” —— m3 带来突破 在现代数据中心或云服务架构中,网络性能 — 尤其是流 (flow) 完成时间 (Flow Completion Time, FCT) 和尾部时延 (tail latency) — 是决定用户体验和资源效率的关键指标。过去... 1个月前 (12-04)
未来网络PreTE: Traffic Engineering with Predictive Failures PreTE:为 WAN 注入“预测智慧”的下一代流量工程方案 在当今云服务、高性能计算、全球数据中心互联不断扩张的时代,广域网 (WAN) 已成为承载海量数据流量的骨干基础设施。光纤链路以其高带宽、低延迟的优势被广泛采用 —— 但同时,它们也暴露在施工误... 1个月前 (11-27)
新型网络体系结构Hattrick: Solving Multiclass TE using Neural Models Abstract 近期研究表明,基于机器学习的方法是流量工程(TE)中传统优化方法的有前景替代方案,但现有研究仍局限于单一流量类别。Abd AlRhman AlQiam 等人提出的 Hattrick,是首个能够处理对于云服务提供商和 ISP 的广域网(WAN)而言至关重要... 2个月前 (11-21)