Your Location：
Home >
Browse articles >
图神经网络与深度强化学习结合的算力网络资源分配方法
专题 | Updated：2024-06-03
|

    • 图神经网络与深度强化学习结合的算力网络资源分配方法

      Enhanced Publication

    • Combining graph neural network with deep reinforcement learning for resource allocation in computing force networks

    • “在计算力网络领域，取得了新的研究突破。专家们开发了一种基于图神经网络的深度强化学习框架，可以优化网络资源和计算资源。这项创新为网络拓扑的动态特性带来的挑战提供了一种解决方案，显著推进了网络优化领域。”
    • 信息与电子工程前沿（英文）   2024年25卷第5期 页码：701-712

    • DOI：10.1631/FITEE.2300009    

      中图分类号： TP393

    • 纸质出版日期：2024-05-0 ，

      收稿日期：2023-01-05，

      录用日期：2023-04-24

    Scan QR Code

  • 韩雪莹, 谢明熹, 禹可, 等. 图神经网络与深度强化学习结合的算力网络资源分配方法[J]. 信息与电子工程前沿（英文）, 2024,25(5):701-712. DOI： 10.1631/FITEE.2300009.

    XUEYING HAN, MINGXI XIE, KE YU, et al. Combining graph neural network with deep reinforcement learning for resource allocation in computing force networks. [J]. Frontiers of information technology & electronic engineering, 2024, 25(5): 701-712. DOI： 10.1631/FITEE.2300009.

  •  
  •  

0

浏览量

111

Downloads

0

CSCD

PlumX

>
文章被引用时，请邮件提醒。
Submit
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

Quant 4.0: engineering quantitative investment with automated, explainable, and knowledge-driven artificial intelligence
Improved deep learning aided key recovery framework: applications to large-state block ciphers
Accurate estimation of 6-DoF tooth pose in 3D intraoral scans for dental applications using deep learning
Deep unfolding based channel estimation for wideband terahertz near-field massive MIMO systems
Digital twin system framework and information model for industry chain based on industrial Internet

相关作者

郭健
王赛卓
倪明选
沈向洋
李肖伟
任炯炯
陈少真
丁王辉

相关机构

粤港澳大湾区数字经济研究院
香港科技大学
信息工程大学网络空间安全学院
浙江大学医学院附属口腔医院·浙江大学口腔医学院·浙江省口腔疾病临床医学研究中心·浙江省口腔生物医学研究重点实验室·浙江大学癌症研究院·口腔生物材料与器械浙江省工程研究中心
浙江大学伊利诺伊大学厄巴纳香槟校区联合学院
0