利用循环缓冲单元模拟网络路径
网络与互联网体系结构
2022-12-08 v3 机器学习
系统与控制
系统与控制
摘要
模拟物理网络路径(如互联网)是 AI 赋能网络(AI-for-networking)这一新兴子领域中的基础研究问题。我们寻求一种模型,其根据发送方提供的时变负载生成端到端数据包延迟值,而该负载通常是先前输出延迟的函数。此问题设定独特,使得最先进的文本与时间序列生成模型不适用或无效。我们在动力系统、序列决策与时间序列建模的交叉点上形式化了一个机器学习(ML)问题。我们提出一种新颖的灰盒(grey-box)网络模拟方法,将物理网络路径的语义嵌入名为 RBU 的新型 RNN 风格模型中,兼具标准网络模拟器工具的可解释性、神经模型的表达能力、基于 SGD 的学习技术的高效性,并在合成与真实网络轨迹上取得有前景的结果。
引用
@article{arxiv.2202.13870,
title = {Simulating Network Paths with Recurrent Buffering Units},
author = {Divyam Anshumaan and Sriram Balasubramanian and Shubham Tiwari and Nagarajan Natarajan and Sundararajan Sellamanickam and Venkata N. Padmanabhan},
journal= {arXiv preprint arXiv:2202.13870},
year = {2022}
}
备注
Accepted in AAAI 2023, 19 pages, 14 figures