Combining long-short term memory and reinforcement learning for improved autonomous network operation
Visualitza/Obre
Cita com:
hdl:2117/359122
Tipus de documentText en actes de congrés
Data publicació2021
EditorInstitute of Electrical and Electronics Engineers (IEEE)
Condicions d'accésAccés obert
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
A combined LSTM and RL approach is proposed for dynamic connection capacity allocation. The LSTM predictor anticipates periodical long-term sharp traffic changes and extends short-term RL knowledge. Numerical results show remarkable performance.
CitacióTabatabaeimehr, F. [et al.]. Combining long-short term memory and reinforcement learning for improved autonomous network operation. A: Optical Fiber Communications Conference and Exhibition. "2021 Optical Fiber Communications Conference and Exhibition (OFC): San Francisco, California, USA, 6-11 June 2021: proceedings". Institute of Electrical and Electronics Engineers (IEEE), 2021, p. 1-3. ISBN 978-1-943580-86-6. DOI 10.1364/OFC.2021.F2G.4.
ISBN978-1-943580-86-6
Versió de l'editorhttps://ieeexplore.ieee.org/document/9489760
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
2021_OFC-3.pdf | 634,9Kb | Visualitza/Obre |