本书探讨了深度学习技术在网络及其应用的协同智能管控中的主要实践范式。全书共分为7章。第1章为概述，介绍网络资源管控模式的发展，分析网络及其应用的协同需要解决的两类问题及其挑战，以及使用深度学习技术应对这些问题的方法，最后简述深度学习在网络资源管控中的已有工作。第2章针对DASH（Dynamic Adaptive Streaming over HTTP）业务中视频码率调整和带宽资源分配联合优化问题，介绍一种利用深度学习和监督学习框架的快速求解方案。第3章针对移动边缘计算中任务卸载和计算资源分配联合优化问题，介绍两种基于深度学习和监督学习的快速求解方案。第4章针对移动增强现实业务中的计算资源动态分配问题，介绍一种利用单智能体深度强化学习的求解方案，智能体通过对网络中计算资源的分配引导应用调整参数；针对移动增强现实业务中的应用层参数协同调整问题，介绍一种利用多智能体深度强化学习的求解方案，各智能体协同进行应用层参数调整。第5章针对多联盟链中路由和带宽资源动态分配问题，介绍一种利用多智能体深度强化学习的求解方案，各智能体先进行路由规划，再由网络层进行带宽资源分配。第6章针对无线传感器网络中的动态路由规划问题，介绍一种利用多智能体深度强化学习的求解方案，各智能体首先生成用于路由决策的元数据，然后由网络层产生最终的路由方案。第7章对本书内容进行总结，并展望未来可能的研究方向。 本书适合从事网络资源管控、网络智能化技术研究和开发的读者阅读。
關於作者：
宋彤雨之江实验室高级研究专员，分别于2014年和2022年在电子科技大学获得工学学士学位和工学博士学位，主要研究方向为网络优化与规划技术、数据中心高速互联架构和协议设计。任婧电子科技大学信息与通信工程学院副研究员，分别于2007年和2015年在电子科技大学获得工学学士学位和工学博士学位，主要研究方向为下一代网络体系和协议设计、SDN关键技术、网络优化与规划技术，在IEEE Network、IEEE Wireless Communications等期刊发表多篇论文。王雄电子科技大学信息与通信工程学院教授，2003年在重庆邮电大学获得电子信息工程学士学位，2008年在电子科技大学获得通信与信息系统博士学位，2013—2014年在美国加州大学戴维斯分校进行SDN测量方面的访问研究，长期从事下一代互联网体系结构及关键技术、SDN关键技术、网络优化与规划、网络测量等方面的研究工作。近年来，在IEEE Network、IEEE Journal of Lightwave Technology、IEEE Journal of Optical Communication and Networking等期刊上发表论文20余篇，在IEEE INFOCOM、IEEE GLOBECOM、IEEE ICC，ACM SOSR等重要国际学术会议发表论文50余篇，其中SCI检索20余篇，EI检索30余篇。担任IEEE Transaction on Networking、IEEE Network、Photonic Network Communication等期刊的审稿人。?
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
