Apr, 2023

数字健康双生体用例的自适应服务函数链编排：启发式增强 Q 学习方法

PDF
TL;DR本文提出一种针对数字健康孪生应用的自适应网络编排框架，通过提供适应性的虚拟网络功能以实施安全策略、创建服务功能链和提供路由配置，以此来应对医疗保健部门严格的健康信息共享政策、高性能网络需求和可能存在的基础设施资源限制等主要挑战。
发现论文，激发创造
  • 联合能效和 QoS 感知路径分配及 VNF 部署用于服务功能链

    本文提出了一种新颖的资源（重新）分配体系结构，通过模型化 VNF 部署、流和流路由的优化问题，提出了启发式算法实现能量感知 SFC，评估结果证实了所提出的启发式算法在可接受的时间内提供了接近于最优的解决方案，适用于实际网络。

    Oct, 2017

  • 基于图神经网络的自动化网络控制服务函数链路

    通过提出一个基于图神经网络的服务功能链路模型，本文提高了网络服务器进行虚拟网络功能处理的效率，并保证了较高的服务质量，相较之前的深度学习模型有更好的表现且能够应对动态网络拓扑。

    Sep, 2020

  • 联合优化部分卸载和 SFC 映射：一种合作的双代理深度强化学习方法

    本研究使用深度强化学习算法解决在 NFV-enabled MEC 环境下的部分卸载和服务功能链映射问题，旨在在执行延迟，移动设备的能量消耗和边缘计算的使用费用方面优化。研究结果表明，所提出的算法在累积和平均随机回报方面优于三种深度强化学习算法的组合，并在执行延迟，能量消耗和使用费用方面胜过众多基准算法。

    May, 2022

  • 用于工业物联网的自适应联邦学习和数字孪生

    本研究提出了一种数字孪生的工业物联网新架构，通过可信的协作聚合机制，自适应地控制分布式学习频率并异步聚类，来提高学习性能，从而优化其工业 4.0 的应用效果。

    Oct, 2020

  • 功能和数据流：用于数字双胞胎的指定机器学习流水线的框架

    提出了一个用于描述数字孪生中人工智能流程的领域特定语言（DSL），旨在简化数字孪生的设计和验证，通过将函数作为一等公民进行学习模型的有效操作，展示了 Function+Data Flow（FDF）在结构的塑性应变预测和轴承的电磁行为建模两个具体用例中的优势。

    Jun, 2024

  • 在油气工业中增强可靠性和适应性的数字孪生框架，实现最优和自治决策

    该研究提出了一个数字孪生框架，应用于石油和天然气工业中的气举过程，旨在提高数字孪生系统的稳健性和适应性。该框架结合了贝叶斯推断、蒙特卡罗模拟、迁移学习和不确定性管理等技术，为数字孪生系统提供高效、可靠、值得信赖的识别，并致力于改进复杂实际场景中的决策过程。

    Nov, 2023

  • 工业网络的数字孪生本地化人工智能驱动服务架构

    互联需求的剧增导致物联网（IoT）传感器过量。为了满足大规模网络的管理需求，如准确的监测和学习能力，数字孪生是关键驱动因素。然而，由于物联网网络的连续连接要求，目前对数字孪生的实施尝试仍然不足。为了应对这些挑战，我们提出了一种数字孪生本地 AI 驱动的服务架构，以支持物联网网络概念。在提出的数字孪生本地架构中，我们实现了基于 TCP 的数据流水线和基于强化学习的学习模型。我们将该架构应用于物联网网络的一个广泛概念，即车联网。我们测量了我们提出的架构的效率，并注意到由于基于 TCP 的数据流水线而节约了约 30％的处理时间。此外，我们通过应用多种学习速率组合来测试学习模型的性能，并强调最成功的模型。

    Nov, 2023

  • 服务功能链资源分配：一项调查

    本文综述了当前研究的 Service Function Chaining Resource Allocation (SFC-RA) 算法，主要集中在如何优化映射 SFC 到基础网络上的方法及其相关问题，同时讨论了未来研究方向。

    Jul, 2016

  • 通过数字孪生实现增强式强化学习资源管理：机遇、应用和挑战

    提出了一种基于数字孪生增强的强化学习框架，旨在优化网络资源管理的性能和可靠性，此框架在物理网络中应用传统的强化学习面临多个统一挑战，包括有限的探索效率、收敛速度缓慢、长期性能较差以及在探索阶段的安全问题。

    Jun, 2024

  • IMS 虚拟化分布式服务链的动态缩放：案例研究

    本文提出了针对 IMS 的地理分布式 VNF 服务链的动态扩展系统设计，使用主动和反应性方法，以及在模拟平台和地理分布式云上进行实验评估。

    Feb, 2017