May, 2024
优化数字孪生网络的实数据驱动网络评估模型
Improving the Real-Data Driven Network Evaluation Model for Digital Twin
Networks
TL;DR基于实际网络数据,本文提出了一种基于自动编码器的跳连接消息传递神经网络(AE-SMPN)作为网络评估模型,通过利用图神经网络(GNN)与循环神经网络(RNN)模型捕捉网络数据的时空特征,并且使用自动编码器(AE)提取初始特征。该神经网络是使用巴塞罗那神经网络中心(BNN-UPC)提供的真实DTN数据集进行训练的,本文还提供了模型结构的分析和实验结果。