- 基于组合多臂赌博机的推荐辅助缓存
通过使用基于有限容量缓存的基站,我们研究了在无线网络中具有推荐功能的内容缓存。我们假设存在一组固定内容,用户的偏好和内容的受欢迎程度未知。我们可以向用户推荐一部分内容,以鼓励用户请求这些内容,从而增加缓存命中率。我们将缓存命中率优化问题形式 - 深度强化学习与许可区块链在车联网边缘计算和网络中的内容缓存
本文研究了车联网场景下的内容缓存问题,针对高动态性和严格的安全性要求,提出了一个基于深度强化学习和权限化区块链技术的智能化及安全的内容缓存框架,并进行了数值仿真验证,结果表明此方案显著优于两个基准策略。
- 缓存在未来通信系统和网络中的作用
本研究论文旨在说明内容缓存技术对未来通信系统和网络的重要性,分析现有内容缓存技术的方法,讨论开创了新的缓存方向的论文,探讨缓存需要解决的挑战,并针对产业需求提出解决方案,以期发掘这一技术的全部潜力。
- 蜂群无人机实现的无线 VR 网络中,基于 Echo-Liquid 神经网络的 360 度内容传输和缓存
本文针对无人机采集并传输视频至虚拟现场(VR)用户时遇到的内容缓存和传输问题进行了深入研究,提出了一种基于深度学习算法的内容缓存和传输优化方案,可提高网络可靠性并减少后勤负荷。
- 基于深度强化学习的内容缓存框架
使用 DRL 的 Wolpertinger 架构技术实现内容缓存管理,以优化网络缓存命中率,不需要先验知识,与 LRU、LFU、FIFO 策略相比,相应性能更好,且比 DQL 更为稳定和高效。
- MM基于回声状态网络的云无线接入网络中移动用户的主动缓存
该研究旨在解决云无线电接入网络中预测式缓存的问题,通过利用基带单元的机器学习框架并结合子线性算法,确定内容缓存,研究发现该方法相较于随机缓存算法提高了 27.8%至 30.7%的有效容量。
- MM无线网络中具有服务区分的上下文感知主动内容缓存
本文提出了一种上下文感知的预热缓存优化算法,通过定期观察连接用户的上下文信息来在线学习上下文特定的内容受欢迎程度,并更新缓存内容并随后观察缓存命中率,最终证明该算法以最大化缓存命中数为目标的最优缓存内容放置策略被证明是可行的。
- MM面向网络的大数据缓存:从云端到边缘的迁移
提出了一种大数据缓存架构来实现在 5G 无线网络中对内容的主动缓存,通过使用大数据分析工具,数值研究结果表明在提高用户满意度和减轻回传负载等方面获得了显著的收益。
- MM无线小区网络中的内容感知用户聚类和缓存
本研究旨在优化小型基站中的内容缓存策略,提出了一种基于聚类与强化学习的方案,并在模拟中证明其相对于随机缓存和未聚类学习方案,能够最小化 42% 和 27% 的服务延迟,并获得 280% 和 90% 的更高卸载收益。