demo-routenet:RouteNet 在 ACM SIGCOMM'19 中的演示

挑战图神经网络对网络建模的泛化能力 ACM SIGCOMM Posters and Demos 2019 中的演示论文，中国北京。 论文链接：[] J. Suárez-Varela、S. Carol-Bosch、K. Rusek、P. Almasan、M. Arias、P. Barlet-Ros、A. Cabellos-Aparicio。 联系邮件列表： （您首先需要订阅： : ）。 抽象的 如今，网络运营商仍然缺乏能够以有限的成本对端到端关键性能指标（例如，延迟或抖动）进行准确预测的功能网络模型。 最近，提出了一种称为 RouteNet 的新型图神经网络 (GNN) 模型作为一种经济高效的替代方法，用于估计网络中每个源/目标对的平均延迟和抖动。 由于其在图形结构数据上运行的 GNN 架构，RouteNet 展示了一种前所未有的能力，可以学习和建模网络中拓扑、路由和输入流量之间的复杂