深度强化学习(Deep Reinforcement Learning, DRL)的最新进展在决策问题上显示出了重要的改进。网络社区已经开始研究DRL如何为相关的优化问题(如路由routing)提供新的解决方案。然而,大多数最先进的基于DRL的网络技术无法生成(generalize),这意味着它们只能在训练期间看到的网络拓扑图上运行,而不能在新的拓扑图上运行。这...
中国海洋大学的研究人员提出了 AutoSculpt,这是一种用于模型剪枝的尖端解决方案,它采用图神经网络 (GNNs) 和深度强化学习 (DRL) 来优化压缩策略。它通过将 DNN 表示为捕获其拓扑结构和参数依赖关系的图来实现这一点。它将基于模式的剪枝策略嵌入到这些图表示中,有效地利用规则结构来增强硬件兼容性和推理效率。使用图...
DRL利用DNN的表达能力来解决RL的顺序决策问题,而GNN是一种新颖的体系结构,特别适合处理图结构数据。我们确定了两大类联合使用GNN和DRL的研究文章,如图2所示。第一类文章利用GNN(或DRL)对DRL(或GNN)的应用进行算法和方法上的改进。另一方面,第二类文章同时使用DRL和GNN来解决不同应用领域的实际问题。表一描述了调研DR...
方法: 【1】问题定义:提出了一种名为TURRET(Transfer Using gRaph neuRal nETworks)的方法,用于在深度强化学习(DRL)中实现多源策略迁移学习,特别是在状态-动作空间不匹配的情况下。 【2】图神经网络(GNN):利用GNN的泛化能力来学习语义表示,通过GNN考虑智能体的内在属性,实现所有任务的统一状态嵌入空间。 【3】 结构...
软件定义光传输网络的数据平面使用Ceph平台测试DRL算法路由优化性能;控制平面应用结合图神经网络的DRL算法,同时使用进化策略优化DRL的策略网络,提升模型性能和泛化能力。 - 飞桨AI Studio
However, the interactive recommendation still faces the problem of data sparsity, and DRL-based recommendation algorithms often suffer from efficiency issues when handling large-scale discrete action spaces. To address these problems, this paper proposes a GNN-based deep reinforcement learning model, ...
deep reinforcement learning (DRL)network automationNetwork function virtualization (NFV) in elastic optical datacenter interconnections (EO-DCIs) enables flexible and timely deployment of network services. However, as the service provisioning of virtual network function service chains (vNF-SCs) in an EO-...
新加坡国立等最新tkde2022《深度强化学习数据处理与分析》综述论文阐述drl数据分析落地应用 量子技术+军事?这篇最新53页pdf《量子技术在军事中的应用》万字综述论文阐述未来量子战争形态 (附中文版) 【nature. mach. intell. 】基于条件tra...
新加坡国立等最新tkde2022《深度强化学习数据处理与分析》综述论文阐述drl数据分析落地应用 量子技术+军事?这篇最新53页pdf《量子技术在军事中的应用》万字综述论文阐述未来量子战争形态 (附中文版) 【nature. mach. intell. 】基于条件tra...
2022年比较好的GNN Traffic Forecasting话题的开源论文,大家赶毕业论文的素材又多了Lee K, Rhee W. DDP-GCN: Multi-graph convolutional network for spatiotemporal traffic forecasting[J]. Transportation Research Part C: Emerging Technologies, 2022, 134: 103466. https://github.com/SNU-DRL/DDP-GCNTa X,...