近年来，许多技术已经发展到提高数据中心网络的性能和效率，写道：”教授提阿“西奥”本森的布朗CS，他解释说他最近对深学习论文的意义。这篇论文最近得到了ACMSIGCOMM的认可，并且在今年的大型研讨会上获得了亚军。SIGCOMM是ACM专业论坛，用于讨论通信和计算机网络领域的主题，特别关注系统工程和通信的架构问题。
　　
　　目前，Theo的工作正是在这一领域，因为他的专长是解决实际的网络和系统问题，重点是软件定义的网络，数据中心，云和配置管理。本文主要关注有多少数据中心网络技术(路由，拓扑增强，节能)共享设计和架构相似性。他提出了一个框架，用于开发网络拓扑的一般表示，使用深度学习来解决大量数据中心问题，并简化配置和培训深度学习代理的过程。该框架用于实现解决数据中心拓扑扩充问题的DeepConf代理，并且性能与最佳解决方案相当。
　　
　　本文遵循Theo研究的自然演变，他致力于理解和设计数据分析技术。他的论文“野外数据中心的网络流量特性”在IMC2010上获得了最佳论文奖。随后是他的论文“MicroTE：数据中心的细粒度流量工程”，其中涉及与微软合作开发领域特定算法。提高数据中心的性能，以及他的论文“YTrace：大型云和内容提供商的端到端性能诊断”，探讨了雅虎数据中心诊断的领域特定技术。他的研究已经从大规模分析发展到领域特定启发式，再到统计技术的应用，最终演变为机器学习。

编辑：NIKI