首页/论文/2012.12191

arXiv 2012.121912020-12-17cs.NI

加性链接的有效识别：定理证明与评价

Efficient Identification of Additive Link Metrics: Theorem Proof and Evaluations

Liang Ma, Ting He, Kin K. Leung, Don Towsley, Ananthram Swami

摘要：

这是一篇技术报告，包含了马良，何廷，金凯的论文“Efficient Identification of Additive Link Monitoring via Network Tomography”中的所有定理证明和附加评估。Leung，Don Towsley和Ananthram Swami，发表于IEEE ICDCS，2013年。

英文摘要：

This is a technical report, containing all the theorem proofs and additional evaluations in paper "Efficient Identification of Additive Link Metrics via Network Tomography" by Liang Ma, Ting He, Kin K. Leung, Don Towsley, and Ananthram Swami, published in IEEE ICDCS, 2013.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

加性链路识别：引理和命题的证明

Additive Link Metrics Identification: Proof of Selected Lemmas and Propositions

这是一份技术报告，包含了马良，何廷，金凯的论文“拓扑约束对通过端到端路径测量识别可加链路的影响”中的所有引理和命题证明。Leung，Don Towsley和Ananthram Swami，发表于2012年国际技术联盟年会（ACITA）。

2020-12-18cs.NI

可加环的识别：若干定理的证明

Identification of Additive Link Metrics: Proof of Selected Theorems

这是一篇技术报告，包含了以下两篇论文中的所有定理证明：（1）Liang Ma，Ting He，Kin K. Leung，Ananthram Swami和Don Towsley，“基于端到端路径测量的链路可识别性”，ACM IMC，2013年。(2)马良，何婷，金凯。Leung，Ananthram Swami和Don Towsley，“从端到端路径测量推断链路带宽：可识别性和监视器放置”，IEEE/ACM网络学报，第22卷，第4期，第110页。1351-1368，2014。

2020-12-23cs.NI

新加增乘减拥塞避免与控制算法的时延和链路利用率评估研究

Evaluation Study for Delay and Link Utilization with the New-Additive Increase Multiplicative Decrease Congestion Avoidance and Control Algorithm

随着互联网变得越来越异构，拥塞避免和控制的问题变得越来越重要。而队列长度、端到端时延和链路利用率是拥塞避免和控制机制中的重要因素。在这项工作中，我们继续研究新AIMD的性能（Additive Increase Multiplicative Decrease）机制作为TCP拥塞避免和控制算法的核心协议之一，我们希望在对AIMD算法进行改进后，对其使用效果进行评估，找到一种新的方法，我们称之为New-AIMD算法，用于测量队列长度、延迟和瓶颈链路利用率，并利用NCTUns仿真器对机构进行了修改后得到了仿真结果。在瓶颈路由器中，我们将使用Droptail机制作为主动队列管理机制（AQM）。在我们的新方法实现不同数量的流之后，我们期望当我们测量依赖于所有系统的吞吐量的延迟时，延迟会更小，并且我们期望得到更小的端到端延迟。我们将测量第二种类型的延迟a（排队延迟），如图1所示。我们也会测量瓶颈链路的利用率，并期望使用此机制来获得高的瓶颈链路利用率，并避免链路中的碰撞。

2010-01-16cs.NI

波束成形60 GHz链路的传感器辅助运动识别和预测：报告

Sensor Assisted Movement Identification and Prediction for Beamformed 60 GHz Links: A Report

60 GHz频带中的大可用带宽保证了非常高的数据率--在Gb/s的数量级。然而，高自由空间路径损耗使得有必要采用具有波束成形能力的定向天线。当使用波束成形时，由于设备的移动，链路对天线方向性的未对准敏感。为了识别和规避未对准，我们提出使用运动传感器（即，加速度计和陀螺仪），其已经存在于大多数现代移动设备中。通过发现未对准波束的程度，执行校正动作以重新配置天线。移动设备上的运动传感器提供了估计未对准程度的手段。我们从运动传感器收集了真实数据，并适当地控制了光束。从我们的研究结果表明，传感器能够检测的平移或旋转运动的错误的原因。此外，还示出了传感器数据可以用于预测用户的下一个位置。这可以用于重新配置定向天线以切换天线波束方向，从而避免频繁的链路中断。这减少了束搜索的数量，从而降低了MAC开销。

2015-03-13cs.NI

基于深度时空学习的网络性能断层扫描路径拥塞状态识别

Identification of Path Congestion Status for Network Performance Tomography using Deep Spatial-Temporal Learning

本文提出基于对抗自编码器与长短期记忆网络的深度时空学习框架，通过加性拥塞状态分类与量化，提升网络断层扫描中拥塞链路定位和性能推断的准确性。

2024-12-14cs.NI

基于加法器的网络层析成像

Network Tomography Based on Additive Metrics

网络结构的推断（例如，路由拓扑）和动态（例如，链路性能）是许多网络设计和管理任务中的重要组成部分。在本文中，我们提出了一个新的，一般的框架，分析和设计路由拓扑结构和链路性能推理算法的思想和工具，从进化生物学的系统发育推理。该框架适用于各种计量技术。基于该框架，我们介绍和发展了几个多项式时间的距离为基础的推理算法，可证明的性能。我们提供了算法正确性的充分条件。我们表明，该算法是一致的（返回正确的拓扑结构和链路性能，随着样本量的增加）和鲁棒性（可以容忍一定程度的测量误差）。此外，我们建立了算法的某些最优性性质（即，它们实现了最优的$l_\infty$ -半径），并通过模型仿真证明了它们的有效性。

2008-08-31cs.ITcs.NImath.IT

更多相关论文收起更多论文

基于机器学习的复杂网络链路故障识别与定位

Machine Learning-based Link Fault Identification and Localization in Complex Networks

National University of Singapore（新加坡国立大学）

随着网络设备的激增和信息技术的快速发展，诸如物联网的网络的规模正在增加，并且随着异构有线和无线链路而变得更加复杂。在这样的网络中，链路故障可能导致链路断开而不立即替换或链路重新连接，例如，无线节点改变其接入点。识别是否发生链路断开或链路重新连接，并定位故障链路成为一个具有挑战性的问题。主动探测方法需要很长时间通过在不同路径上发送信令消息来探测网络，从而导致显著的通信延迟和开销。在本文中，我们采用了被动的方法，并开发了一个三阶段的机器学习为基础的技术，即ML-LFIL，识别和定位链路故障，通过分析测量捕获的正常流量，包括总流量，端到端的延迟和数据包丢失。ML-LFIL学习正常工作条件和不同链路故障场景下的流量行为。我们使用支持向量机、多层感知器和随机森林对学习模型进行训练。我们实现了ML-LFIL，并使用Mininet平台进行了广泛的实验。性能研究表明，ML-LFIL实现了高精度，同时需要更低的故障定位时间相比，主动探测方法。

2019-03-27cs.LGcs.NIcs.PF