RiskNet：不可靠资源网络中的神经风险评估
网络与互联网体系结构
2023-06-22 v2 机器学习
风险管理
机器学习
摘要
我们提出一种基于图神经网络（GNN）的方法，用于预测通信网络中由中断引起的惩罚分布，其中连接由工作路径与备份路径间共享的资源保护。该基于GNN的算法仅使用Barabási-Albert模型生成的随机图进行训练。即便如此，获得的测试结果表明，我们可以精确地对各种现有拓扑结构中的惩罚进行建模。GNN消除了对所研究网络拓扑模拟复杂中断场景的需要。在实践中，整个设计操作在现代硬件上限于4ms。以此方式，我们可获得多达超过12,000倍的速度提升。
引用
@article{arxiv.2201.12263,
title = {RiskNet: Neural Risk Assessment in Networks of Unreliable Resources},
author = {Krzysztof Rusek and Piotr Boryło and Piotr Jaglarz and Fabien Geyer and Albert Cabellos and Piotr Chołda},
journal= {arXiv preprint arXiv:2201.12263},
year = {2023}
}
备注
This paper is under consideration at Journal of Network and Systems Management