PulseAugur
实时 02:07:26
English(EN) Temporal Hyperbolic Graph Representation Learning for Scale-Free Internet Routing and Delay Prediction

新的 HERMIT 框架使用双曲几何进行互联网延迟预测

研究人员开发了 HERMIT,一个用于预测互联网延迟和路由动态的新框架。HERMIT 利用双曲几何来更好地表示互联网路由图的无标度结构,其性能优于传统的欧几里得空间模型。该框架结合了双曲流形保持时序 GNN 和随机森林回归器,并纳入了 RTT 感知边特征和可学习的边编码器。在大规模真实互联网数据集上的评估表明,HERMIT 在 RMSE 上比强大的基线模型提高了 6%,并在链路预测方面超越了现有的双曲 TGNN 模型。 AI

影响 这项研究可能通过更好地预测延迟,从而实现更高效的互联网路由和提高服务质量。

排序理由 这是一篇研究论文,详细介绍了一个新框架及其在数据集上的评估。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的 HERMIT 框架使用双曲几何进行互联网延迟预测

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yi-Ling Kuo, Hao-Yu Tien, Shih-Yu Tsai ·

    面向无标度互联网路由和延迟预测的时域双曲图表示学习

    arXiv:2605.28155v1 Announce Type: new Abstract: Predicting Internet round-trip time (RTT) is critical for routing optimization, quality-of-service (QoS) provisioning, and traffic engineering, yet remains challenging due to long-term temporal dependencies, evolving routing dynamic…