1-课件及课堂笔记 QoS课堂笔记 QoS Overview.ppt Understanding the Differentiated Services Model QoS Mechanisms QoS Mechanisms-Classification QoS Mechanisms-Marking QoS Mechanisms-Congestion management QoS Mechanisms-Congestion avoidance QoS Mechanisms- and Shaping QoS Mechanisms-Link Efficiency 2-视频 1-QOS Overview 2-DSCP 3-QoS Mechanisms 4-Classification MQC 5-NBAR 6-Marking 7-WFQ 8-CBWFQ 9-LLQ 10-WRED 11-p 12-review 13-Shaping 14-payload 压缩 15-LFI 3-实验文档 CBWFQ配置案例 LLQ配置案例 LLQ配置案例需求 MLS QOS配置案例 MQC配置案例....
2022-06-23 13:06:26 888.42MB qos
计算机网络课件:3_6_8 网络层QOS与MPLS协议.pptx
2022-06-23 09:05:14 2.77MB 计算机网络
WLAN QOS配置
2022-06-21 19:03:39 3.71MB WLANQOS配置
国内知名防火墙厂商山石(hillstone)设备 HCSA考试认证学习文档
2022-06-13 13:15:03 866KB 山石学习文档
1
C语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头C语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOSC语言头文件 QOS文件 QOSC语言头文件 QOSC语言头文件 QOS
2022-06-13 11:04:32 5KB C语言头文件QOS
基于多媒体传输的网络应用均对服务质量(quality of service, QoS)有迫切的需求,如带宽、延迟、丢包率等。寻找满足上述QoS要求的组播树问题是一个NP=完全问题。在已有的多约束QoS组播路由算法中主要是局部搜索算法或集中式搜索算法,这些均不能保证在实际网络中找到全局解。本文提出用基于交叉熵的蚁群优化算法来求解多约束QoS组播路由问题,NS2仿真结果表明该算法能够快速找到近似最优解。
2022-05-31 17:23:26 479KB 自然科学 论文
1
ALLOT qos流量控制设备的操作手册,可以学习基本的设备操作。
2022-05-31 09:41:07 3.82MB ALLOT QOS
1
Wi-Fi_QoS_Management_Specification_v2.0_0 WiFi联盟官方文档
2022-05-31 09:00:48 238KB wifi
1
随着Web服务的指数级增长,建议使用各种协作QoS预测方法对服务质量(QoS)进行有效评估,并帮助用户选择合适的服务。 考虑到服务调用的复杂时空上下文的影响并在预测过程中利用它们的特征,仍然是一项技术挑战。 为此,我们提出了两个通用的时空上下文感知协作神经模型(STCA-1和STCA-2),通过考虑服务端和用户端的调用时间和多个空间特征来进行QoS预测。 我们提出的模型利用层次神经网络来实现原始特征的嵌入表达,二阶特征的生成,一阶和二阶特征的融合,空间特征之间的交互以及时态特征的逐层化。 特别地,引入注意力机制来自动地将权重分配给空间特征,并实现在特征融合中的判别性应用。。在大规模数据集上的实验证明了该方法的有效性:(1)。预测误差可以显着与基线方法相比尤其如此。在稀疏训练数据的情况下,我们的模型在MAE和NMAE方面的性能提高了约10.9–21.0%,在RMSE方面的性能提高了2.4–7.8%。 (2)注意机制使我们能够更合理地对特征融合的有效性做出直观的解释,从而增强了预测模型的可解释性。
2022-05-24 14:23:08 384KB QoS prediction Spatio-temporal context-aware
1
01-01 MQC配置 01-02 优先级映射配置 01-03 流量监管和流量整形配置 01-04 拥塞避免和拥塞管理配置 01-05 基于ACL的简化流策略配置
2022-05-12 22:04:02 1022KB 华为 综合资源 S系列 配置