論文の概要: A multi-domain virtual network embedding algorithm with delay prediction
- arxiv url: http://arxiv.org/abs/2202.01473v1
- Date: Thu, 3 Feb 2022 08:58:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-04 14:51:35.286974
- Title: A multi-domain virtual network embedding algorithm with delay prediction
- Title（参考訳）: 遅延予測を用いたマルチドメイン仮想ネットワーク埋め込みアルゴリズム
- Authors: Peiying Zhang, Xue Pang, Yongjing Ni, Haipeng Yao, Xin Li
- Abstract要約: 遅延予測(DP-VNE)に基づくマルチドメイン仮想ネットワーク埋め込みアルゴリズムを提案する。
提案アルゴリズムは,他の指標に影響を与えないまま,システム遅延を大幅に低減することができる。
- 参考スコア（独自算出の注目度）: 7.636572411449277
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Virtual network embedding (VNE) is an crucial part of network virtualization
(NV), which aims to map the virtual networks (VNs) to a shared substrate
network (SN). With the emergence of various delay-sensitive applications, how
to improve the delay performance of the system has become a hot topic in
academic circles. Based on extensive research, we proposed a multi-domain
virtual network embedding algorithm based on delay prediction (DP-VNE).
Firstly, the candidate physical nodes are selected by estimating the delay of
virtual requests, then particle swarm optimization (PSO) algorithm is used to
optimize the mapping process, so as to reduce the delay of the system. The
simulation results show that compared with the other three advanced algorithms,
the proposed algorithm can significantly reduce the system delay while keeping
other indicators unaffected.
- Abstract（参考訳）: 仮想ネットワーク埋め込み(VNE)は、仮想ネットワーク(VN)を共有基板ネットワーク(SN)にマッピングすることを目的としたネットワーク仮想化(NV)の重要な部分である。
様々な遅延センシティブなアプリケーションが現れ、システムの遅延パフォーマンスを改善する方法が学術界でホットな話題となっている。
本研究では,遅延予測(DP-VNE)に基づくマルチドメイン仮想ネットワーク埋め込みアルゴリズムを提案する。
まず、仮想要求の遅延を推定して候補物理ノードを選択し、次にパーティクルスワム最適化(PSO)アルゴリズムを用いてマッピングプロセスの最適化を行い、システムの遅延を低減する。
シミュレーションの結果,他の3つのアルゴリズムと比較して,提案手法はシステムの遅延を著しく低減し,他の指標に影響を与えないことを示す。
関連論文リスト
- Decentralized Optimization in Time-Varying Networks with Arbitrary Delays [22.40154714677385]
通信遅延によるネットワークの分散最適化問題を考察する。
そのようなネットワークの例としては、協調機械学習、センサーネットワーク、マルチエージェントシステムなどがある。
通信遅延を模倣するため、ネットワークに仮想非計算ノードを追加し、有向グラフを生成する。
論文 参考訳（メタデータ） (2024-05-29T20:51:38Z) - Accuracy-Guaranteed Collaborative DNN Inference in Industrial IoT via
Deep Reinforcement Learning [10.223526707269537]
計算集約型ディープニューラルネットワーク(DNN)推論サービスをサポートするためには,IoT(Industrial Internet of Things)デバイスとエッジネットワークのコラボレーションが不可欠だ。
本稿では,産業用IoTネットワークにおける協調推論問題について検討する。
論文 参考訳（メタデータ） (2022-12-31T05:53:17Z) - A multi-domain VNE algorithm based on multi-objective optimization for
IoD architecture in Industry 4.0 [10.110571882165997]
Internet of Drones (IoD) の開発により、UAVの運用はより自律的になる。
潜在的資源を合理的に割り当てる方法は、解決すべき緊急の問題となっている。
論文 参考訳（メタデータ） (2022-02-08T07:56:28Z) - Multi Objective Resource Optimization of Wireless Network Based on Cross
Domain Virtual Network Embedding [6.019028366261091]
本稿では,無線ネットワークリソース割り当てのための多目的最適化VNEアルゴリズムを提案する。
提案した目的式によると、最適化マッピングコスト、ネットワーク遅延、VNR受け入れ率について検討する。
論文 参考訳（メタデータ） (2022-02-03T07:26:10Z) - IoV Scenario: Implementation of a Bandwidth Aware Algorithm in Wireless
Network Communication Mode [49.734868032441625]
本稿では,マルチドメイン仮想ネットワーク埋め込みアルゴリズム(BA-VNE)を提案する。
このアルゴリズムは主に、ユーザが無線通信モードで多くの帯域幅を必要とする問題を対象としている。
本アルゴリズムの性能向上のために,粒子群最適化(PSO)アルゴリズムを導入する。
論文 参考訳（メタデータ） (2022-02-03T03:34:06Z) - A Deep-Unfolded Reference-Based RPCA Network For Video
Foreground-Background Separation [86.35434065681925]
本稿では,ロバスト主成分分析(RPCA)問題に対するディープアンフォールディングに基づくネットワーク設計を提案する。
既存の設計とは異なり,本手法は連続するビデオフレームのスパース表現間の時間的相関をモデル化することに焦点を当てている。
移動MNISTデータセットを用いた実験により、提案したネットワークは、ビデオフォアグラウンドとバックグラウンドの分離作業において、最近提案された最先端のRPCAネットワークより優れていることが示された。
論文 参考訳（メタデータ） (2020-10-02T11:40:09Z) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳（メタデータ） (2020-06-15T02:57:57Z) - 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) - Parallelization Techniques for Verifying Neural Networks [52.917845265248744]
検証問題に基づくアルゴリズムを反復的に導入し、2つの分割戦略を探索する。
また、ニューラルネットワークの検証問題を単純化するために、ニューロンアクティベーションフェーズを利用する、高度に並列化可能な前処理アルゴリズムも導入する。
論文 参考訳（メタデータ） (2020-04-17T20:21:47Z) - MSE-Optimal Neural Network Initialization via Layer Fusion [68.72356718879428]
ディープニューラルネットワークは、さまざまな分類と推論タスクに対して最先端のパフォーマンスを達成する。
グラデーションと非進化性の組み合わせは、学習を新しい問題の影響を受けやすいものにする。
確率変数を用いて学習した深層ネットワークの近傍層を融合する手法を提案する。
論文 参考訳（メタデータ） (2020-01-28T18:25:15Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。