Fugu-MT 論文翻訳(概要): An Intelligent QoS Algorithm for Home Networks

論文の概要: An Intelligent QoS Algorithm for Home Networks

arxiv url: http://arxiv.org/abs/2007.11273v1
Date: Wed, 22 Jul 2020 08:46:56 GMT
ステータス: 処理完了
システム内更新日: 2022-11-07 23:22:12.930202
Title: An Intelligent QoS Algorithm for Home Networks
Title（参考訳）: ホームネットワークのためのインテリジェントQoSアルゴリズム
Authors: Wen-Jyi Hwang, Tsung-Ming Tai, Bo-Ting Pan, Tun-Yao Lou, and Yun-Jie Jhang
Abstract要約: ホームネットワークのための新しいQuality of Service (QoS)管理アルゴリズムを提案する。提案アルゴリズムは計算オーバーヘッドの少ないホームネットワークに対して信頼性の高い管理を提供する。
参考スコア（独自算出の注目度）: 0.1580926907837365
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A novel quality of service (QoS) management algorithm for home networks is presented in this letter. The algorithm is based on service prediction for intelligent QoS management. The service prediction is carried out by a general regression neural network with a profile containing the past records of the service. A novel profile updating technique is proposed so that the profile size can remain small for fast bandwidth allocation. The analytical study and experiments over real LAN reveal that the proposed algorithm provides reliable QoS management for home networks with low computational overhead.
Abstract（参考訳）: 本稿では,ホームネットワークのためのQoS(Quality of Service)管理アルゴリズムについて述べる。このアルゴリズムはインテリジェントqos管理のためのサービス予測に基づいている。サービス予測は、サービスの過去の記録を含むプロファイルを備えた一般的な回帰ニューラルネットワークによって実行される。高速帯域割り当てのためにプロファイルサイズが小さくなるように,新しいプロファイル更新手法を提案する。実LAN上の解析と実験により,提案アルゴリズムは計算オーバーヘッドの少ないホームネットワークに対して信頼性の高いQoS管理を提供することを明らかにした。

関連論文リスト

Algorithm-Informed Graph Neural Networks for Leakage Detection and Localization in Water Distribution Networks [6.675805308519987]
漏水は配水ネットワークの効率的かつ持続可能な管理にとって重要な課題である。近年のアプローチでは、グラフベースのデータ駆動方式が採用されている。本稿では,アルゴリズムインフォームドグラフニューラルネットワーク(AIGNN)を提案する。
論文参考訳（メタデータ） (2024-08-05T19:25:05Z)
Low Complexity Approaches for End-to-End Latency Prediction [0.0]
我々は、エンドツーエンドのレイテンシ予測に焦点を当て、GNNにおける最近の国際的課題から得られた公開データセットに、我々のアプローチと結果を説明する。提案手法は,最先端のグローバルGNNソリューションと比較して,比較的低い精度で予測精度を保ちながら,トレーニングと推論の両面において,壁面時間を大幅に短縮する。
論文参考訳（メタデータ） (2023-01-31T10:31:41Z)
Low Complexity Adaptive Machine Learning Approaches for End-to-End Latency Prediction [0.0]
この研究は、予測、監視、予測のための効率的で低コストな適応アルゴリズムの設計である。我々は,GNNにおける近年の国際的課題の後に提供されたパブリックジェネレータから得られるデータに対して,我々のアプローチと結果を説明するために,エンドツーエンドの遅延予測に焦点を当てた。
論文参考訳（メタデータ） (2023-01-31T10:29:11Z)
Online Caching with Optimistic Learning [15.877673959068458]
本稿では,楽観的なオンライン学習のレンズを用いて,この問題に対処するための新しいアルゴリズムツールボックスを提案する。我々は、時間平均予算制約の下で、固定サイズのキャッシュや弾性的なリースキャッシュを備えた二部ネットワークのためのオンラインキャッシュアルゴリズムを設計する。提案した楽観的な学習キャッシュポリシは,完全予測に対してゼロ以下の性能損失(regret)を達成でき,任意のバッド予測に対してさえ,最も達成可能なリフレッシュバウンドである$O(sqrt T)を維持できることを示す。
論文参考訳（メタデータ） (2022-02-22T00:04:30Z)
Why Lottery Ticket Wins? A Theoretical Perspective of Sample Complexity on Pruned Neural Networks [79.74580058178594]
目的関数の幾何学的構造を解析することにより、刈り取られたニューラルネットワークを訓練する性能を解析する。本稿では,ニューラルネットワークモデルがプルーニングされるにつれて,一般化が保証された望ましいモデル近傍の凸領域が大きくなることを示す。
論文参考訳（メタデータ） (2021-10-12T01:11:07Z)
Semi-supervised Network Embedding with Differentiable Deep Quantisation [81.49184987430333]
我々はネットワーク埋め込みのための微分可能な量子化法であるd-SNEQを開発した。 d-SNEQは、学習された量子化符号にリッチな高次情報を与えるためにランク損失を組み込む。トレーニング済みの埋め込みのサイズを大幅に圧縮できるため、ストレージのフットプリントが減少し、検索速度が向上する。
論文参考訳（メタデータ） (2021-08-20T11:53:05Z)
Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
論文参考訳（メタデータ） (2020-10-22T12:32:29Z)
MS-RANAS: Multi-Scale Resource-Aware Neural Architecture Search [94.80212602202518]
我々は,MS-RANAS(Multi-Scale Resource-Aware Neural Architecture Search)を提案する。我々は,検索コストの削減を図るために,ワンショットのアーキテクチャ探索手法を採用した。我々は精度-速度トレードオフの観点から最先端の結果を得る。
論文参考訳（メタデータ） (2020-09-29T11:56:01Z)
Towards Sample Efficient Agents through Algorithmic Alignment [25.23741737716188]
我々は深層グラフ価値ネットワーク(DeepGV)を,深部強化学習エージェントのサンプル複雑性を回避するための有望な手法として提案し,検討する。主な考え方は、エージェントは動的プログラミングのような構造化された非神経ネットワークアルゴリズムでガイドされるべきである。
論文参考訳（メタデータ） (2020-08-07T15:44:32Z)
Communication-Efficient Distributed Stochastic AUC Maximization with Deep Neural Networks [50.42141893913188]
本稿では,ニューラルネットワークを用いた大規模AUCのための分散変数について検討する。我々のモデルは通信ラウンドをはるかに少なくし、理論上はまだ多くの通信ラウンドを必要としています。いくつかのデータセットに対する実験は、我々の理論の有効性を示し、我々の理論を裏付けるものである。
論文参考訳（メタデータ） (2020-05-05T18:08:23Z)
Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2020-04-06T15:51:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。