ترجمه فارسی مقاله شکل‌دهی پاداش‌ها، شکل‌دهی مسیرها: در مورد شبکه‌های Q عمیق چندعاملی برای مسیریابی در شبکه‌های صورت فلکی ماهواره‌ای

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Shaping Rewards, Shaping Routes: On Multi-Agent Deep Q-Networks for Routing in Satellite Constellation Networks
عنوان مقاله به فارسی شکل‌دهی پاداش‌ها، شکل‌دهی مسیرها: در مورد شبکه‌های Q عمیق چندعاملی برای مسیریابی در شبکه‌های صورت فلکی ماهواره‌ای
نویسندگان Manuel M. H. Roth, Anupama Hegde, Thomas Delamotte, Andreas Knopp
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
دسته بندی موضوعات Networking and Internet Architecture,Machine Learning,شبکه سازی و معماری اینترنت , یادگیری ماشین ,
توضیحات Submitted 4 August, 2024; originally announced August 2024. , Comments: 5 pages, 5 figures, to be published in proceedings of European Space Agency SPAICE Conference 2024, https://spaice.esa.int/ , ACM Class: C.2.1
توضیحات به فارسی ارسال شده در 4 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 5 صفحه ، 5 شکل ، که در مجموعه مقالات کنفرانس آژانس فضایی اروپا اسپایس 2024 ، https://spaice.esa.int/ ، کلاس ACM: C.2.1 منتشر می شود.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 200,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Effective routing in satellite mega-constellations has become crucial to facilitate the handling of increasing traffic loads, more complex network architectures, as well as the integration into 6G networks. To enhance adaptability as well as robustness to unpredictable traffic demands, and to solve dynamic routing environments efficiently, machine learning-based solutions are being considered. For network control problems, such as optimizing packet forwarding decisions according to Quality of Service requirements and maintaining network stability, deep reinforcement learning techniques have demonstrated promising results. For this reason, we investigate the viability of multi-agent deep Q-networks for routing in satellite constellation networks. We focus specifically on reward shaping and quantifying training convergence for joint optimization of latency and load balancing in static and dynamic scenarios. To address identified drawbacks, we propose a novel hybrid solution based on centralized learning and decentralized control.

چکیده به فارسی (ترجمه ماشینی)

مسیریابی مؤثر در مگا کنفرانس ماهواره ای برای تسهیل در دستیابی به افزایش بارهای ترافیکی ، معماری پیچیده تر شبکه و همچنین ادغام در شبکه های 6G بسیار مهم است.برای تقویت سازگاری و همچنین استحکام در مورد تقاضاهای غیرقابل پیش بینی ترافیک ، و حل محیط های مسیریابی پویا ، راه حل های مبتنی بر یادگیری ماشین در نظر گرفته می شود.برای مشکلات کنترل شبکه ، مانند بهینه سازی تصمیمات حمل و نقل بسته با توجه به کیفیت خدمات و حفظ ثبات شبکه ، تکنیک های یادگیری تقویت عمیق نتایج امیدوارکننده ای را نشان داده اند.به همین دلیل ، ما در مورد زنده ماندن شبکه های Q Deep Deep برای مسیریابی در شبکه های صورت فلکی ماهواره ای بررسی می کنیم.ما به طور خاص روی شکل دهی پاداش و کمیت همگرایی آموزش برای بهینه سازی مشترک تأخیر و تعادل بار در سناریوهای استاتیک و پویا تمرکز می کنیم.برای پرداختن به اشکالاتی شناسایی شده ، ما یک راه حل ترکیبی جدید را بر اساس یادگیری متمرکز و کنترل غیر متمرکز پیشنهاد می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.