- Author:
STEFANO PETRANGELI(Ghent University-iMinds) Experimental evaluation, fairness, HTTP Adaptive Streaming
摘要：
目前，网络流量控制系统主要由互联网核心，有线/无线异构骨干网络组成。最近，由于通信技术的快速发展，这些分组交换系统正在经历爆炸性的网络流量增长。现有的网络策略不够复杂，无法应对不断变化的网络条件巨大的流量增长。
在本文中，我们解决了这一点，并指出了调查深度学习的分散工作的必要性,各种网络流量控制方面的应用。在这方面，我们概述了与网络流量控制系统相关的最先进的深度学习架构和算法。此外，我们还讨论了深度学习的推动因素——网络系统。
此外，我们详细讨论了一个新的用例，即基于深度学习的智能路由。我们证明了基于深度学习的路由方法与传统路由策略相比的有效性。
引入：
现有的网络政策不足以适应爆炸性流量增长带来的不断变化的网络状况。在网络流量大幅增长的这些年中，虽然网络运营商经常对利润下降表示担忧[5]，但几乎是重新思考如何改善网络流量控制的最佳时机。因此，将智能结合到网络流量控制系统中可以发挥重要作用
在保证基于互联网协议（IP）的网络中的服务质量（QoS）[6]。
参考图2中的各种类型的ML技术（监督，无监督或强化学习）和不同的算法，其可用于实现网络流量控制系统的智能决策。在ML技术中，有监督和无监督的人工神经网络（ANNs）已被用于各种网络领域。
