Learn to Cache: Machine Learning for Network Edge Caching in the Big Data Era

Chang, Zheng; LEI, Lei; Zhou, Zhenyu; Mao, Shiwen; Ristaniemi, Tapani

doi:10.1109/MWC.2018.1700317

Télécharger

Article (Périodiques scientifiques)

Learn to Cache: Machine Learning for Network Edge Caching in the Big Data Era

Chang, Zheng; LEI, Lei; Zhou, Zhenyu et al.

2018 • In IEEE Wireless Communications

Peer reviewed vérifié par ORBi

Permalien
https://hdl.handle.net/10993/36618

DOI
10.1109/MWC.2018.1700317

Documents (1)Envoyer vers Détails Statistiques Bibliographie Publications similaires

Documents

Texte intégral

Learn to Cache Machine Learning for Network Edge Caching in the Big Data Era.pdf

Postprint Auteur (233.21 kB)

Télécharger

Tous les documents dans ORBilu sont protégés par une licence d'utilisation.

Envoyer vers

RIS BibTex APA Chicago Permalink X Linkedin

Détails

Disciplines :

Sciences informatiques

Auteur, co-auteur :

Chang, Zheng; the University of Jyväskylä, Finland

LEI, Lei ; University of Luxembourg > Interdisciplinary Centre for Security, Reliability and Trust (SNT)

Zhou, Zhenyu; North China Electric Power University, China

Mao, Shiwen; Auburn University, US

Ristaniemi, Tapani; the University of Jyväskylä, Finland

Co-auteurs externes :

yes

Langue du document :

Anglais

Titre :

Learn to Cache: Machine Learning for Network Edge Caching in the Big Data Era

Date de publication/diffusion :

juin 2018

Titre du périodique :

IEEE Wireless Communications

ISSN :

1536-1284

eISSN :

1558-0687

Maison d'édition :

Institute of Electrical and Electronics Engineers, Etats-Unis - New York

Titre particulier du numéro :

CONTENT-CENTRIC COLLABORATIVE EDGE CACHING IN 5G MOBILE INTERNET

Peer reviewed :

Peer reviewed vérifié par ORBi

Focus Area :

Computational Sciences

Projet européen :

H2020 - 742648 - AGNOSTIC - Actively Enhanced Cognition based Framework for Design of Complex Systems

Projet FnR :

FNR11632107 - Resource Optimization For Integrated Satellite-5g Networks With Non-orthogonal Multiple Access, 2017 (01/09/2018-31/08/2021) - Lei Lei

Organisme subsidiant :

FNR - Fonds National de la Recherche
CE - Commission Européenne

Disponible sur ORBilu :

depuis le 19 septembre 2018

Statistiques

Nombre de vues

176 (dont 22 Unilu)

Nombre de téléchargements

1250 (dont 14 Unilu)

Voir plus de statistiques

citations Scopus^®

185

citations Scopus^®
sans auto-citations

180

citations OpenAlex

210

citations WoS^™

157