Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Optimal Orchestration of Virtualized Network Functions for Improved Quality-of-Service

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

RQAP: Resource and QoS Aware Placement of Service Function Chains in NFV-Enabled Networks (si apre in una nuova finestra)

Autori: Haojun Huang, Jialin Tian, Hao Yin, Geyong Min, Dapeng Wu, Wang Miao
Pubblicato in: IEEE Transactions on Services Computing, Numero 16, 2024, Pagina/e 4526-4539, ISSN 1939-1374
Editore: Institute of Electrical and Electronics Engineers
DOI: 10.1109/tsc.2023.3327813

Reliability-Aware Placement of Virtual Network Functions via Multi-Agent Deep Reinforcement Learning

Autori: Haojun Huang, Jialin Tian, Zhaoxi Li, Geyong Min, and Haozhe Wang
Pubblicato in: IEEE-ACM Transactions on Networking, 2025, ISSN 1939-1374
Editore: Institute of Electrical and Electronics Engineers

Scalable Blockchain-Based Data Storage in Internet of Things (si apre in una nuova finestra)

Autori: Wei Liu, Haojun Huang, Hao Yin, Geyong Min, Yunhao Yuan, Dapeng Wu
Pubblicato in: IEEE Communications Magazine, Numero 62, 2024, Pagina/e 40-45, ISSN 0163-6804
Editore: Institute of Electrical and Electronics Engineers
DOI: 10.1109/mcom.001.2200954

Accurate Prediction of Network Distance via Federated Deep Reinforcement Learning (si apre in una nuova finestra)

Autori: Haojun Huang, Yiming Cai, Geyong Min, Haozhe Wang, Gaoyang Liu, Dapeng Oliver Wu
Pubblicato in: IEEE/ACM Transactions on Networking, 2024, Pagina/e 1-14, ISSN 1063-6692
Editore: Institute of Electrical and Electronics Engineers
DOI: 10.1109/tnet.2024.3383479

Parallel Placement of Virtualized Network Functions via Federated Deep Reinforcement Learning (si apre in una nuova finestra)

Autori: Haojun Huang, Jialin Tian, Geyong Min, Hao Yin, Cheng Zeng, Yangming Zhao, Dapeng Oliver Wu
Pubblicato in: IEEE/ACM Transactions on Networking, 2024, Pagina/e 1-14, ISSN 1063-6692
Editore: Institute of Electrical and Electronics Engineers
DOI: 10.1109/tnet.2024.3366950

È in corso la ricerca di dati su OpenAIRE...

Si è verificato un errore durante la ricerca dei dati su OpenAIRE

Nessun risultato disponibile

Il mio fascicolo 0 0