面向网络自动化的基于神经网络的量化方法
机器学习
2021-03-09 v1
摘要
深度学习方法已被采用于移动网络中，特别是用于网络管理自动化，其为高级机器认知提供了手段。深度学习方法利用尖端硬件和软件工具，允许开发复杂的认知算法。在最近的一篇论文中，我们引入了边界球量化（BSQ）算法，一种 k-Means 算法的改进，其被证明可为某些网络管理用例（如异常检测）创建更好的量化。然而，BSQ 所需的训练时间显著长于 k-Means，这一挑战可通过基于神经网络的实现来克服。在本文中，我们提出了这样一种 BSQ 的实现，其利用最先进的深度学习工具来实现有竞争力的训练速度。
引用
@article{arxiv.2103.04764,
title = {Neural Network-based Quantization for Network Automation},
author = {Marton Kajo and Stephen S. Mwanje and Benedek Schultz and Georg Carle},
journal= {arXiv preprint arXiv:2103.04764},
year = {2021}
}