Machine Learning Empowered Intelligent Data Center Networking: Evolution, Challenges and Opportunities

دانلود کتاب Machine Learning Empowered Intelligent Data Center Networking: Evolution, Challenges and Opportunities

35000 تومان موجود

کتاب شبکه‌سازی مرکز داده هوشمند مبتنی بر یادگیری ماشین: تکامل، چالش‌ها و فرصت‌ها نسخه زبان اصلی

دانلود کتاب شبکه‌سازی مرکز داده هوشمند مبتنی بر یادگیری ماشین: تکامل، چالش‌ها و فرصت‌ها بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید


این کتاب نسخه اصلی می باشد و به زبان فارسی نیست.


امتیاز شما به این کتاب (حداقل 1 و حداکثر 5):

امتیاز کاربران به این کتاب:        تعداد رای دهنده ها: 4


توضیحاتی در مورد کتاب Machine Learning Empowered Intelligent Data Center Networking: Evolution, Challenges and Opportunities

نام کتاب : Machine Learning Empowered Intelligent Data Center Networking: Evolution, Challenges and Opportunities
عنوان ترجمه شده به فارسی : شبکه‌سازی مرکز داده هوشمند مبتنی بر یادگیری ماشین: تکامل، چالش‌ها و فرصت‌ها
سری : SpringerBriefs in Computer Science
نویسندگان : , , ,
ناشر : Springer
سال نشر : 2023
تعداد صفحات : 122 [123]
ISBN (شابک) : 9811973946 , 9789811973949
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 2 Mb



بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.


فهرست مطالب :


Preface Acknowledgments Contents Acronyms 1 Introduction References 2 Fundamentals of Machine Learning in Data Center Networks 2.1 Learning Paradigm 2.2 Data Collection and Processing 2.2.1 Data Collection Scenarios 2.2.2 Data Collection Techniques 2.2.3 Feature Engineering 2.2.4 Challenges and Insights 2.3 Performance Evaluation of ML-Based Solutions in DCN References 3 Machine Learning Empowered Intelligent Data Center Networking 3.1 Flow Prediction 3.1.1 Temporal-Dependent Modeling 3.1.2 Spatial-Dependent Modeling 3.1.3 Discussion and Insights 3.2 Flow Classification 3.2.1 Supervised Learning-Based Flow Classification 3.2.2 Unsupervised Learning-Based Flow Classification 3.2.3 Deep Learning-Based Flow Classification 3.2.4 Reinforcement Learning-Based Flow Classification 3.2.5 Discussion and Insights 3.3 Load Balancing 3.3.1 Traditional Solutions 3.3.2 Machine Learning-Based Solutions 3.3.3 Discussion and Insights 3.4 Resource Management 3.4.1 Task-Oriented Resource Management 3.4.2 Virtual Entities-Oriented Resource Management 3.4.3 QoS-Oriented Resource Management 3.4.4 Resource Prediction-Oriented Resource Management 3.4.5 Resource Utilization-Oriented Resource Management 3.4.6 Discussion and Insights 3.5 Energy Management 3.5.1 Server Level 3.5.2 Network Level 3.5.3 Data Center Level 3.5.4 Discussion and Insights 3.6 Routing Optimization 3.6.1 Intra-DC Routing Optimization 3.6.2 Inter-DC Routing Optimization 3.6.3 Discussion and Insights 3.7 Congestion Control 3.7.1 Centralized Congestion Control 3.7.2 Distributed Congestion Control 3.7.3 Discussion and Insights 3.8 Fault Management 3.8.1 Fault Prediction 3.8.2 Fault Detection 3.8.3 Fault Location 3.8.4 Fault Self-Healing 3.8.5 Discussion and Insights 3.9 Network Security 3.10 New Intelligent Networking Concepts 3.10.1 Intent-Driven Network 3.10.2 Knowledge-Defined Network 3.10.3 Self-Driving Network 3.10.4 Intent-Based Network (Gartner) 3.10.5 Intent-Based Network (Cisco) References 4 Insights, Challenges and Opportunities 4.1 Industry Standards 4.1.1 Network Intelligence Quantification Standards 4.1.2 Data Quality Assessment Standards 4.2 Model Design 4.2.1 Intelligent Resource Allocation Mechanism 4.2.2 Inter-DC Intelligent Collaborative Optimization Mechanism 4.2.3 Adaptive Feature Engineering 4.2.4 Intelligent Model Selection Mechanism 4.3 Network Transmission 4.4 Network Visualization References 5 Conclusion Index




پست ها تصادفی