論文の概要: Can Neural Networks Provide Latent Embeddings for Telemetry-Aware Greedy Routing?
- arxiv url: http://arxiv.org/abs/2602.12798v1
- Date: Fri, 13 Feb 2026 10:31:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-16 23:37:53.922544
- Title: Can Neural Networks Provide Latent Embeddings for Telemetry-Aware Greedy Routing?
- Title（参考訳）: ニューラルネットはテレメトリ対応グレディルーティングに潜伏埋め込みを提供できるか?
- Authors: Andreas Boltres, Niklas Freymuth, Gerhard Neumann,
- Abstract要約: 本稿では,ネットワーク状態を遅延ノード埋め込みに変換するために,メッセージパッシングネットワークを用いた新しいアルゴリズムであるemphPlacerを提案する。
これらの埋め込みは、全ペアの最短経路を直接解決することなく、素早くグリージーな次ホップルーティングを促進する。
- 参考スコア（独自算出の注目度）: 22.04675077514561
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Telemetry-Aware routing promises to increase efficacy and responsiveness to traffic surges in computer networks. Recent research leverages Machine Learning to deal with the complex dependency between network state and routing, but sacrifices explainability of routing decisions due to the black-box nature of the proposed neural routing modules. We propose \emph{Placer}, a novel algorithm using Message Passing Networks to transform network states into latent node embeddings. These embeddings facilitate quick greedy next-hop routing without directly solving the all-pairs shortest paths problem, and let us visualize how certain network events shape routing decisions.
- Abstract（参考訳）: テレメトリ・アウェアルーティングは、コンピュータネットワークにおけるトラフィック急増に対する有効性と応答性を高めることを約束する。
最近の研究は、機械学習を活用して、ネットワーク状態とルーティングの間の複雑な依存関係を扱うが、提案されたニューラルネットワークモジュールのブラックボックスの性質によるルーティング決定の説明可能性の犠牲になる。
本稿では,ネットワーク状態を遅延ノード埋め込みに変換するためにメッセージパッシングネットワークを用いた新しいアルゴリズムであるemph{Placer}を提案する。
これらの埋め込みは、全ペアの最短経路問題を直接解決することなく、素早くグリージーな次ホップルーティングを可能にし、特定のネットワークイベントがルーティング決定をどう形成するかを視覚化します。
関連論文リスト
- Vehicle Routing with Finite Time Horizon using Deep Reinforcement Learning with Improved Network Embedding [1.8641099267622092]
本稿では,ローカルノード埋め込みベクトルとコンテキスト対応グローバルグラフ表現を生成する新しいルーティングネットワーク埋め込みモジュールを提案する。
実装モジュールをポリシーグラデーションに基づくディープ強化学習フレームワークと統合し、有限時間水平線で車両のルーティング問題を解決する。
実験の結果,提案手法は既存のルーティング手法よりも高い顧客サービス率を実現することがわかった。
論文 参考訳（メタデータ） (2026-01-21T16:05:04Z) - Distributed Link Sparsification for Scalable Scheduling Using Graph Neural Networks (Journal Version) [50.894272363373126]
密接な接続を特徴とする無線ネットワークでは、分散リンクスケジューリングアルゴリズムによって発生する重要な信号のオーバーヘッドは、混雑、エネルギー消費、無線フットプリント拡張といった問題を悪化させる可能性がある。
ネットワーク容量を維持しながら遅延耐性トラフィックのスケジューリングオーバーヘッドを低減するために,グラフニューラルネットワーク(GNN)を用いた分散リンクスカラー化方式を提案する。
GNNモジュールは、トラフィック統計とネットワークトポロジに基づいて、個々のリンクに対する競合しきい値を調整するように訓練されており、成功しそうもない場合には、リンクがスケジュール競合から撤退することを可能にする。
論文 参考訳（メタデータ） (2025-09-05T18:59:14Z) - Route Planning and Online Routing for Quantum Key Distribution Networks [1.7287035469433212]
量子鍵分配(QKD)ネットワークは、暗号鍵物質を確実に送信するために量子物理学の原理を利用する。
従来の最短経路アルゴリズムは、経路計画とオンラインルーティングの両方で性能が良くないことを示す。
最短経路ルーティング戦略の競合比が$frac12$より大きいか等しいかを示す。
論文 参考訳（メタデータ） (2025-08-13T12:00:55Z) - Opportunistic Routing in Wireless Communications via Learnable State-Augmented Policies [7.512221808783587]
本稿では,大規模無線通信ネットワークにおけるパケットベースの情報ルーティングの課題に対処する。
機会的ルーティングは、無線通信の放送特性を利用して、最適な転送ノードを動的に選択する。
ネットワーク内のソースノードが処理する全情報の最大化を目的とした,状態拡張(SA)に基づく分散最適化手法を提案する。
論文 参考訳（メタデータ） (2025-03-05T18:44:56Z) - AI Flow at the Network Edge [58.31090055138711]
AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。
この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
論文 参考訳（メタデータ） (2024-11-19T12:51:17Z) - Entanglement Routing in Quantum Networks: A Comprehensive Survey [2.624902795082451]
近距離量子ネットワークにおける絡み合いのルーティングは、結合する短距離絡みの最適なシーケンスを選択することで構成される。
我々は、研究された量子ルーティングスキームを、リアクティブ、プロアクティブ、オポチュニティ、仮想ルーティングに分類し、議論する。
論文 参考訳（メタデータ） (2024-08-02T12:48:40Z) - Deep Reinforcement Learning Aided Packet-Routing For Aeronautical Ad-Hoc
Networks Formed by Passenger Planes [99.54065757867554]
エンド・ツー・エンド(E2E)遅延の最小化を目的としたAANETにおけるルーティングのための深層強化学習を起動する。
最深Qネットワーク(DQN)は、転送ノードで観測される最適ルーティング決定と局所的な地理的情報との関係をキャプチャする。
フィードバック機構を組み込んだディープバリューネットワーク(DVN)を用いて,システムのダイナミクスに関する知識をさらに活用する。
論文 参考訳（メタデータ） (2021-10-28T14:18:56Z) - Packet Routing with Graph Attention Multi-agent Reinforcement Learning [4.78921052969006]
我々は強化学習(RL)を利用したモデルフリーでデータ駆動型ルーティング戦略を開発する。
ネットワークトポロジのグラフ特性を考慮すると、グラフニューラルネットワーク(GNN)と組み合わせたマルチエージェントRLフレームワークを設計する。
論文 参考訳（メタデータ） (2021-07-28T06:20:34Z) - Relational Deep Reinforcement Learning for Routing in Wireless Networks [2.997420836766863]
我々は,トラフィックパターン,混雑レベル,ネットワーク接続性,リンクダイナミクスを一般化した,深層強化学習に基づく分散ルーティング戦略を開発した。
提案アルゴリズムは,パケットの配送やパケット毎の遅延に対して,最短経路とバックプレッシャルーティングに優れる。
論文 参考訳（メタデータ） (2020-12-31T16:28:21Z) - Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。
本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-11-23T19:00:01Z)
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。