Buchumschlag

On the Robustness of Deep Learning-predicted Contention Models for Network Calculus

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Geyer, Fabien, Bondorf, Steffen
Format:	Preprint
Veröffentlicht:	2019
Schlagworte:	Networking and Internet Architecture Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Network Calculus with Flow Prolongation -- A Feedforward FIFO Analysis enabled by ML
von: Geyer, Fabien, et al.
Veröffentlicht: (2022)

Deep Learning Network-Temporal Models For Traffic Prediction
von: Xin, Yufeng, et al.
Veröffentlicht: (2026)

Ordered Topological Deep Learning: a Network Modeling Case Study
von: Bernárdez, Guillermo, et al.
Veröffentlicht: (2025)

Utility-driven Optimization of TTL Cache Hierarchies under Network Delays
von: Elsayed, Karim S., et al.
Veröffentlicht: (2024)

A Comprehensive Survey on Network Traffic Synthesis: From Statistical Models to Deep Learning
von: Sivaroopan, Nirhoshan, et al.
Veröffentlicht: (2025)

Network Calculus Results for TSN: An Introduction
von: Maile, Lisa, et al.
Veröffentlicht: (2025)

Secure Deep Reinforcement Learning for Dynamic Resource Allocation in Wireless MEC Networks
von: Hao, Xin, et al.
Veröffentlicht: (2023)

Weather-Adaptive Multi-Step Forecasting of State of Polarization Changes in Aerial Fibers Using Wavelet Neural Networks
von: Abdelli, Khouloud, et al.
Veröffentlicht: (2024)

Which Deep Learner? A Systematic Evaluation of Advanced Deep Forecasting Models Accuracy and Efficiency for Network Traffic Prediction
von: Babai, Eilaf MA, et al.
Veröffentlicht: (2026)

Building Transparency in Deep Learning-Powered Network Traffic Classification: A Traffic-Explainer Framework
von: Ponraj, Riya, et al.
Veröffentlicht: (2025)

Multi-Model based Federated Learning Against Model Poisoning Attack: A Deep Learning Based Model Selection for MEC Systems
von: Kianpisheh, Somayeh, et al.
Veröffentlicht: (2024)

Graph Neural Networks and Deep Reinforcement Learning Based Resource Allocation for V2X Communications
von: Ji, Maoxin, et al.
Veröffentlicht: (2024)

Optimizing Wireless Networks with Deep Unfolding: Comparative Study on Two Deep Unfolding Mechanisms
von: Adam, Abuzar B. M., et al.
Veröffentlicht: (2024)

Heterogeneity-Oblivious Robust Federated Learning
von: Zhang, Weiyao, et al.
Veröffentlicht: (2025)

Adaptive Alarm Threshold Prediction in 4G Mobile Networks: A Percentile-Guided Deep Learning Framework with Interpretable Outputs
von: Roy, Ayon, et al.
Veröffentlicht: (2026)

Adaptive Model Pruning and Personalization for Federated Learning over Wireless Networks
von: Liu, Xiaonan, et al.
Veröffentlicht: (2023)

Graph Representation Learning for Contention and Interference Management in Wireless Networks
von: Gu, Zhouyou, et al.
Veröffentlicht: (2024)

Deep Learning for Network Anomaly Detection under Data Contamination: Evaluating Robustness and Mitigating Performance Degradation
von: Nkashama, D'Jeff K., et al.
Veröffentlicht: (2024)

Efficient Split Federated Learning for Large Language Models over Communication Networks
von: Zhao, Kai, et al.
Veröffentlicht: (2025)

Energy-Efficient Deep Learning for Traffic Classification on Microcontrollers
von: Chehade, Adel, et al.
Veröffentlicht: (2025)

FedsLLM: Federated Split Learning for Large Language Models over Communication Networks
von: Zhao, Kai, et al.
Veröffentlicht: (2024)

Machine Learning Epidemic Predictions Using Agent-based Wireless Sensor Network Models
von: Nwokoye, Chukwunonso Henry, et al.
Veröffentlicht: (2025)

From Simulation to Deep Learning: Survey on Network Performance Modeling Approaches
von: Güemes-Palau, Carlos, et al.
Veröffentlicht: (2026)

Optimistic Learning for Communication Networks
von: Iosifidis, George, et al.
Veröffentlicht: (2025)

State-Aware IoT Scheduling Using Deep Q-Networks and Edge-Based Coordination
von: He, Qingyuan, et al.
Veröffentlicht: (2025)

Contrastive Learning for Correlating Network Incidents
von: Dötterl, Jeremias
Veröffentlicht: (2025)

Joint Routing and Model Pruning for Decentralized Federated Learning in Bandwidth-Constrained Multi-Hop Wireless Networks
von: He, Xiaoyu, et al.
Veröffentlicht: (2026)

Pegasus: A Universal Framework for Scalable Deep Learning Inference on the Dataplane
von: Zhang, Yinchao, et al.
Veröffentlicht: (2025)

Generative AI for Deep Reinforcement Learning: Framework, Analysis, and Use Cases
von: Sun, Geng, et al.
Veröffentlicht: (2024)

Empowering Wireless Network Applications with Deep Learning-based Radio Propagation Models
von: Bakirtzis, Stefanos, et al.
Veröffentlicht: (2024)

Distributed Deep Reinforcement Learning Based Gradient Quantization for Federated Learning Enabled Vehicle Edge Computing
von: Zhang, Cui, et al.
Veröffentlicht: (2024)

Demystifying Network Foundation Models
von: Beltiukov, Sylee, et al.
Veröffentlicht: (2025)

Cloud-Edge Collaborative Large Models for Robust Photovoltaic Power Forecasting
von: Qiao, Nan, et al.
Veröffentlicht: (2026)

Context-Aware Hybrid Routing in Bluetooth Mesh Networks Using Multi-Model Machine Learning and AODV Fallback
von: Islam, Md Sajid, et al.
Veröffentlicht: (2025)

FastFlow: Early Yet Robust Network Flow Classification using the Minimal Number of Time-Series Packets
von: Babaria, Rushi Jayeshkumar, et al.
Veröffentlicht: (2025)

A Deep Reinforcement Learning Framework for Optimizing Congestion Control in Data Centers
von: Ketabi, Shiva, et al.
Veröffentlicht: (2023)

Multi-Agent Deep Reinforcement Learning for Resilience Optimization in 5G RAN
von: Kaada, Soumeya, et al.
Veröffentlicht: (2024)

IoT Network Traffic Analysis with Deep Learning
von: Liu, Mei, et al.
Veröffentlicht: (2024)

Comparative Analysis of Deep Learning Models for Real-World ISP Network Traffic Forecasting
von: Koumar, Josef, et al.
Veröffentlicht: (2025)

Age-Based Scheduling for Mobile Edge Computing: A Deep Reinforcement Learning Approach
von: He, Xingqiu, et al.
Veröffentlicht: (2023)