盆式PPO 关于沉思-PPO 这是Pensieve [1]的一个简单的TensorFlow实现。 详细地说，我们通过PPO而非A3C培训了Pensieve。 这是一个稳定的版本，已经准备好训练集和测试集，并且您可以轻松运行仓库：只需键入 python train.py 反而。 将每300个时代在测试集（来自HSDPA）上评估结果。 实验结果 我们报告了熵权重β，奖励和熵的训练曲线。 通过双簧管网络轨迹评估结果。 提示：橙色曲线：pensieve-ppo； 蓝色曲线：pensieve-a2c 预训练模型 此外，我们还在添加了预训练模型 与原始Pensieve模型相比，该模型的平均QoE提高了7.03％（0.924-> 0.989）。 如果您有任何疑问，请随时告诉我。 [1] Mao H，Netravali R，Alizadeh M.带自适应神经网络自适应视频流[C] // ACM数据

是ACM Sigcomm 2015-2019年会议所有的论文集，5年所有的文章都在，2018年的未分类，其他年份的都已分类。研究网络方向的值得好好研究。

2016-2017年sigcomm顶会论文集，下载自sigcomm.com. 2016-2017年sigcomm顶会论文集

sigcomm2020年论文集

sigcomm2015论文集的abstraction部分，从sigcomm的官网下载的

sigcomm2019官网会议论文以及演讲PPT整理，第一部分 Technical Session 1 New Ways to Operate Networks Technical Session 2 Transport and Congestion Technical Session 3 Measurement

Finishing Flows Quickly with Preemptive Scheduling论文、会议视频及演示文稿

SIGCOMM会议2019论文题目

代表ICT最高学术水平的SIGCOMM 2020年论文集。本次会议收集内容广泛，包括网络路由/包分类算法/网络测量/网络智能化/量子网络等

SIGCOMM2020论文集，共53篇，目录详见https://dl.acm.org/doi/proceedings/10.1145/3387514