期刊专题

基于BiLSTM与Attention机制的深度学习在5G网络流量预测中的应用研究

引用
随着5G技术的快速发展和广泛部署,准确预测网络流量成为确保网络稳定性和优化资源分配的关键任务.本研究提出了一种结合卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(Attention)的深度学习模型,旨在提高5G网络流量的预测准确性和效率.首先,利用CNN对5G流量数据进行空间特征提取,捕捉流量模式和趋势;其次,通过BiLSTM模型分析时间序列数据中的长期依赖关系,同时考虑过去和未来的信息;最后,引入注意力机制,使模型能够聚焦于对预测任务最关键的信息.模型在多个真实世界的5G流量数据集上进行了实验,结果表明,该模型在流量预测的准确性和响应速度方面均优于现有的几种流行模型.本研究不仅为5G流量管理提供了一种有效的工具,也为未来网络技术的研究提供了新的视角和方法论.

5G网络、流量预测、深度学习、卷积神经网络、双向长短期记忆网络、注意力机制

20

TP311(计算技术、计算机技术)

2024-08-19(万方平台首次上网日期,不代表论文的发表时间)

共3页

20-22

暂无封面信息
查看本期封面目录

电脑知识与技术

1009-3044

34-1205/TP

20

2024,20(19)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn