EUVIMEDEUVIMED entdecken
Crossref

From simulation to deep learning: Survey on network performance modeling approaches

Carlos Güemes-Palau, Miquel Ferriol-Galmés, Jordi Paillisse-Vilanova, Pere Barlet-Ros, Albert Cabellos-Aparicio

Computer Networks · 2026-06 · 282 · 112253

DOI: 10.1016/j.comnet.2026.112253 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Computer Networks, 2026-06. Verfasst von Carlos Güemes-Palau und 4 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 173 Literaturangaben. Gefördert von: European Social Fund, Secretaría de Estado de Investigacion, Desarrollo e Innovacion, España Ministerio de Ciencia Innovación y Universidades.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • European Social Fund
  • Secretaría de Estado de Investigacion, Desarrollo e Innovacion
  • España Ministerio de Ciencia Innovación y Universidades
  • Catalan Institution for Research and Advanced Studies
  • Generalitat de Catalunya Agencia de Gestio d'Ajuts Universitaris i de Recerca
  • European Regional Development Fund

Zitieren

APA

Güemes-Palau, C., Ferriol-Galmés, M., Paillisse-Vilanova, J., Barlet-Ros, P., & Cabellos-Aparicio, A. (2026). From simulation to deep learning: Survey on network performance modeling approaches. Computer Networks, 282, 112253. https://doi.org/10.1016/j.comnet.2026.112253

Vancouver

Güemes-Palau C, Ferriol-Galmés M, Paillisse-Vilanova J, Barlet-Ros P, Cabellos-Aparicio A. From simulation to deep learning: Survey on network performance modeling approaches. Computer Networks. 2026;282:112253. doi:10.1016/j.comnet.2026.112253

BibTeX
@article{GemesPalau2026,
  author = {Güemes-Palau, Carlos and Ferriol-Galmés, Miquel and Paillisse-Vilanova, Jordi and Barlet-Ros, Pere and Cabellos-Aparicio, Albert},
  title = {From simulation to deep learning: Survey on network performance modeling approaches},
  journal = {Computer Networks},
  year = {2026},
  volume = {282},
  pages = {112253},
  doi = {10.1016/j.comnet.2026.112253}
}
Kostenlos starten →