社论

支持机器学习的计算机网络

作者:

塔尼亚塞尔基泰利,

米歇拉墨西哥,

马里利亚库拉多,

Lea公司斯科林·卡波夫，以及

埃里尼·埃列尼齐罗普鲁作者信息和声明

体积230,发行C类

https://doi.org/10.1016/j.comnet.2023.109807

出版:2023年7月1日出版历史

摘要

本期专题探讨新兴的机器学习（ML）和人工智能（AI）算法如何帮助计算机网络变得更智能。最终目标是传播创新数据驱动方法和技术的前沿研究成果和计算机网络进展，以促进ML驱动通信网络的创新。本期特刊旨在介绍为计算机通信网络领域量身定制的跨领域机器学习解决方案的进展，重点关注算法方面。目标是展示哪些ML方法在网络环境中是最有效和最有前途的方法，以便它们能够激励计算机网络研究领域的其他研究人员和实践者。

工具书类

[1]

E.Samikwa、A.D.Maio、T.Braun、Ares：物联网自适应资源软件分割学习，计算。净值。218 (2022) 109380,.

数字图书馆

[2]

O.Ayoub，N.Di Cicco，F.Ezzedine，F.Bruschetta，R.Rubino，M.Nardecchia，M.Milano，F.Musumeci，C.Passera，M.Tornatore，通信网络中的可解释人工智能：微波网络中故障识别的用例，计算。净值。219 (2022) 109466,.

数字图书馆

[3]

C.Grasso、R.Raftopoulos、G.Schembra、S.Serrano、H-home：联邦FANET的学习框架，为未来延迟约束物联网系统提供边缘计算，计算。净值。219 (2022) 109449,.

数字图书馆

[4]

L.Fan，L.He，E.Dong，J.Yang，C.Li，J.Lin，Z.Wang，Evoiot：开放环境中的演化物联网和非物联网分类模型，计算。净值。219 (2022) 109450,.

数字图书馆

[5]

R.Gupta，J.Gupta，《使用游戏策略的联合学习：最新水平和未来趋势》，计算。净值。225 (2023) 109650,.

数字图书馆

[6]

D.Perdices、J.E.López de Vergara、I.González、L.de Pedro，深度学习时代的网络浏览隐私：超越VPN和加密，计算。净值。220 (2023) 109471,.

数字图书馆

[7]

I.Guarino，G.Aceto，D.Ciuonzo，A.Montieri，V.Persico，A.Pescapé，新冠肺炎流行期间移动通信应用程序活动级流量分类的上下文计数器和多模式深度学习，计算。净值。219 (2022) 109452,.

数字图书馆

[8]

M.Koöta、Y.M.Diagana、O.Y.Maöga、M.K.Traore，评估网络物理生产系统安全策略的通用学习模拟框架，计算。净值。218 (2022) 109381,.

数字图书馆

[9]

M.M.Alani，H.Tawfik，Phishnot:一种基于云的机器学习方法，用于钓鱼url检测，计算。净值。218 (2022) 109407,.

数字图书馆

[10]

J.Luxemburk，T.Co ejka，带拒绝选项的细粒度TLS服务分类，计算。净值。220 (2023) 109467,.

数字图书馆

[11]

Y.Solomon、O.Mokryn、T.Kuflik、Sdnsandbox——在供应商网络中实现基于学习的创新，计算。净值。219 (2022) 109446,.

数字图书馆

[12]

M.A.Khoshkholghi，T.Mahmoodi，在支持NFV的网络中部署服务功能链的边缘智能，计算。净值。219 (2022) 109451,.

数字图书馆

[13]

M.Lyu，H.Habibi Gharakheili，V.Sivaraman，通过双粒度网络行为分析对企业资产进行分类和跟踪，计算。净值。218 (2022) 109387,.

数字图书馆

[14]

J.Lei，L.Li，Y.Wang，面向QoS的媒体访问控制，使用强化学习实现下一代WLAN，计算。净值。219 (2022) 109426,.

数字图书馆

[15]

X.Ji，B.Han，C.Xu，C.Song，J.Su，实时流媒体自适应QoS-感知多径拥塞控制，计算。净值。220 (2023) 109470,.

数字图书馆

[16]

J.Liu，Q.Wang，Y.Xu，AR-GAIL：使用生成性对抗模拟学习的FANET自适应路由协议，计算。净值。218 (2022) 109382,.

数字图书馆

[17]

J.M.Navarro，A.Huet，D.Rossi，基于异常检测和特征评分的人类可读网络故障排除，计算。净值。219 (2022) 109447,.

数字图书馆

引用人

Al‐Kateeb Z公司阿卜杜拉·D(2024)AdaBoost支持的低延迟、节能的慢性肾脏疾病预测云框架新兴电信技术交易1002/2007年10月10日35:6在线发布日期：2024年6月9日
https://dl.acm.org/doi/10.1002/ett.5007

索引术语

支持机器学习的计算机网络
1. 计算方法
  1. 机器学习
    1. 机器学习方法
      1. 神经网络
2. 网络
  1. 网络服务
  2. 网络类型

索引项已通过自动分类分配给内容。

建议

可解释人工智能和可解释机器学习：一个前瞻性的案例研究
摘要
正如这个词所暗示的那样，可解释人工智能是一种人工智能，它能够解释学习模型，并专注于系统为什么会做出特定决策，探索其逻辑范式，而不是固有的。。。
阅读更多信息
可解释人工智能研究的方法和标准：智能教学系统的经验教训
摘要
DARPA可解释人工智能（AI）（XAI）项目专注于为使用机器学习技术的AI程序生成解释。本文重点介绍了DARPA计划（2017-2021）期间与研究相关的进展。。。

在可解释人工智能中应用于系统设计的智能教学系统工作中吸取的经验教训。形象形象

阅读更多信息
智能光网络的机器学习：综述
摘要
随着互联网和通信系统的快速发展，无论是在服务还是技术方面，通信网络都变得越来越复杂。提高……的智力势在必行。。。
图形摘要

忽略的显示
集锦
- 它回顾了智能光网络机器学习的最新进展。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片《计算机网络：国际计算机与电信网络杂志》

计算机网络：国际计算机和电信网络杂志第230卷，C期

2023年7月

172页

国际标准编号：1389-1286

爱思唯尔有限公司。

出版商

Elsevier North-Holland公司。

美国

出版历史

出版：2023年7月1日

作者标记

限定符

编辑

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

1
引文总数
查看引文
0
下载总量

下载次数（过去12个月）0
下载次数（最近6周）0

其他指标

查看作者指标

引文

引用人

Al‐Kateeb Z公司阿卜杜拉D(2024)AdaBoost支持的低延迟、节能的慢性肾脏疾病预测云框架新兴电信技术交易1002/2007年10月10日35:6在线发布日期：2024年6月9日
https://dl.acm.org/doi/10.1002/ett.5007

视图选项

查看选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

媒体

数字

其他

桌子

查看问题目录