文献

J-GLOBAL ID：202202247110408891   整理番号：22A0795293

通信ネットワークのためのグラフベース深層学習:調査【JST・京大機械翻訳】

Graph-based deep learning for communication networks: A survey

著者 (1件)： Jiang Weiwei (Department of Electronic Engineering, Tsinghua University, Beijing 100084, China)
資料名： Computer Communications (Amsterdam)  (Computer Communications (Amsterdam))
巻： 185  ページ： 40-54  発行年： 2022年 
JST資料番号： D0443B  ISSN： 0140-3664  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 通信ネットワークは現代社会における重要なインフラストラクチャである。まだ完全に解決されていない多くの課題があり,このアクティブな研究分野で新しい解決策が連続的に提案されている。近年,ネットワークトポロジーをモデル化するために,グラフベースの深層学習は通信ネットワークにおける一連の問題において最先端の性能を達成した。この調査では,異なるグラフベース深層学習モデル,例えば,グラフ畳込みとグラフ注意ネットワークを用いた,異なるタイプの通信ネットワーク,例えば無線ネットワーク,有線ネットワーク,およびソフトウェア定義ネットワークからの様々な問題における,急速に成長する研究をレビューした。また,各研究に対する問題と解決策の良く組織化されたリストを提示し,将来の研究方向を同定した。知る限りでは,本論文は,有線と無線シナリオの両方を含む通信ネットワークにおけるグラフベース深層学習法の適用に焦点を当てた最初の調査である。追跡研究を追跡するために,関連する論文が連続的に更新される公共GitHubリポジトリを作成した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  畳込み ,  *通信網 ,  *ネットワーク ,  ニューラルネットワーク ,  モデリング ,  ネットワーク構造 ,  無線伝送 ,  モデル ,  インフラストラクチャー ,  *機械学習 ,  追跡調査 ,  リポジトリ
準シソーラス用語： ワイヤレス ,  ネットワークトポロジー ,  無線ネットワーク ,  *深層学習 ,  有線ネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： グラフ ,  深層学習 ,  グラフニューラルネットワーク ,  通信網 ,  ソフトウェア定義ネットワーキング

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 通信ネットワーク ,  グラフ ,  深層学習 ,  調査