优化数字孪生网络的实数据驱动网络评估模型
原文中文，约400字，阅读约需1分钟。发表于：。基于实际网络数据，本文提出了一种基于自动编码器的跳连接消息传递神经网络（AE-SMPN）作为网络评估模型，通过利用图神经网络（GNN）与循环神经网络（RNN）模型捕捉网络数据的时空特征，并且使用自动编码器（AE）提取初始特征。该神经网络是使用巴塞罗那神经网络中心（BNN-UPC）提供的真实 DTN 数据集进行训练的，本文还提供了模型结构的分析和实验结果。
物联网传感器过量，数字孪生是关键驱动因素。提出数字孪生本地AI驱动的服务架构，支持物联网网络概念。应用于车联网，通过基于TCP的数据流水线节约了30%的处理时间。测试多种学习速率组合，强调最成功的模型。
