MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
02992nam a22003615i 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
394128 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| campo de control |
ES-MaUEC |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20230102123054.0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
cr nn 008mamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
221005s2022 si | s |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9789811948749 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES |
|---|
| Número estándar o código |
10.1007/978-981-19-4874-9 |
| Fuente del número o código |
doi |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
ES-MaUEC |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
ES-MaUEC |
| 100 1# - ENTRADA PRINCIPAL--NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Guo, Zehua |
| Término indicativo de función/relación |
autor |
| Código de función/relación |
aut |
| -- |
http://id.loc.gov/vocabulary/relators/aut |
| 245 10 - MENCIÓN DE TÍTULO |
|---|
| Título |
Bringing Machine Learning to Software-Defined Networks |
| Mención de responsabilidad, etc. |
by Zehua Guo |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
1st edition 2022 |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Singapore |
| Nombre del de productor, editor, distribuidor, fabricante |
Springer International Publishing |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2022 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
1 recurso en línea (XIII, 68 páginas) |
| Otras características físicas |
1 illus |
| 336 ## - TIPO DE CONTENIDO |
|---|
| Término de tipo de contenido |
texto |
| Código de tipo de contenido |
txt |
| Fuente |
rdacontent |
| 337 ## - TIPO DE MEDIO |
|---|
| Nombre/término del tipo de medio |
electrónico |
| Código del tipo de medio |
c |
| Fuente |
rdamedia |
| 338 ## - TIPO DE SOPORTE |
|---|
| Nombre/término del tipo de soporte |
recurso electrónico |
| Código del tipo de soporte |
cr |
| Fuente |
rdacarrier |
| 347 ## - CARACTERÍSTICAS DEL ARCHIVO DIGITAL |
|---|
| Tipo de archivo |
archivo de texto |
| Formato de codificación |
PDF |
| 490 0# - MENCIÓN DE SERIE |
|---|
| Mención de serie |
SpringerBriefs in Computer Science |
| Número Internacional Normalizado para Publicaciones Seriadas |
2191-5776 |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
Chapter 1 Machine Learning for Software-Defined Networking -- Chapter 2 Deep Reinforcement Learning-based Traffic Engineering in SD-WANs -- Chapter 3 Multi-Agent Reinforcement Learning-based Controller Load Balancing in SD-WANs -- Chapter 4 Deep Reinforcement Learning-based Flow Scheduling for Power Efficiency in Data Center Networks -- Chapter 5 Graph Neural Network-based Coflow Scheduling in Data Center Networks -- Chapter 6 Graph Neural Network-based Flow Migration for Network Function Virtualization -- Chapter 7 Conclusion and Future work. |
| 520 ## - SUMARIO, ETC. |
|---|
| Sumario, etc. |
Emerging machine learning techniques bring new opportunities to flexible network control and management. This book focuses on using state-of-the-art machine learning-based approaches to improve the performance of Software-Defined Networking (SDN). It will apply several innovative machine learning methods (e.g., Deep Reinforcement Learning, Multi-Agent Reinforcement Learning, and Graph Neural Network) to traffic engineering and controller load balancing in software-defined wide area networks, as well as flow scheduling, coflow scheduling, and flow migration for network function virtualization in software-defined data center networks. It helps readers reflect on several practical problems of deploying SDN and learn how to solve the problems by taking advantage of existing machine learning techniques. The book elaborates on the formulation of each problem, explains design details for each scheme, and provides solutions by running mathematical optimization processes, conducting simulated experiments, and analyzing the experimental results. |
| 988 ## - NOTA LOCAL 598 |
|---|
| Nota local 598 (boletines) |
Springer_Computer_2022 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9789811948732 |
| 776 08 - ENTRADA/ENLACE A UN FORMATO FÍSICO ADICIONAL |
|---|
| Información de relación/Frase instructiva de referencia |
Printed edition: |
| Número Internacional Estándar del Libro |
9789811948756 |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Identificador Uniforme del Recurso |
https://go.openathens.net/redirector/universidadeuropea.es?url=https://doi.org/10.1007/978-981-19-4874-9 |
| Nota pública |
Acceso a este recurso digital (usuarios Universidad Europea de Madrid) |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Library of Congress Classification |
| Tipo de ítem Koha |
LIBRO-E NO PRÉSTAMO |