- 博客(9)
- 收藏
- 关注
RSS订阅原创 【时空流量预测笔记4】MSTL-GLTP：全局-局部分解与预测框架
本文提出了MSTL-GLTP，这是一个边缘云协作框架，在确保预测准确性的同时有效地降低了系统复杂性。为了更好地捕捉蜂窝网络流量的内在特征和时空相关性，MSTL- GLTP经过两阶段的训练，包括MSTL分解和全局-局部流量预测。具体而言，MSTL分解可以根据流量的潜在特征对其进行分解，有利于并行训练。此外，在全局模型中引入了距离辅助注意机制，根据不同小区的贡献来减轻平均损失。此外，TCN和GPR模型部署在本地服务器上，分别处理区域和本地流量。更先进的分解技术，以适应蜂窝流量日益复杂的时间特征。图神经网络。
2024-07-23 16:34:48
981
4
原创 【泛读】基于跨域大数据的智能蜂窝流量预测的深度迁移学习
一共有三种输入，时空信息、元数据信息和跨域信息。时空相关性主要通过ConvLSTM提取，元数据和跨域数据信息用来辅助，对二者的处理较简单，元数据通过两层全连接层，跨域数据concat后经过conv-BN+ReLU+conv。三种输入经过不同处理后concat然后送入DenseNet。
2024-07-11 17:21:22
103
原创 pandas 的 `read_csv` 函数
这里，`feature_data` 是一个 pandas DataFrame 对象，它包含了从 CSV 文件中读取的数据，以及从文件的第一行自动获取的列标题。在这个文件中，第一行（索引为0）包含了列标题：`social`, `BSs`, `POI1`, `POI2`。# 使用 pd.read_csv 读取 CSV 文件，header=0 表示第一行是列标题。# 使用 pd.read_csv 读取没有列标题的 CSV 文件。# 假设 CSV 文件的路径是 'data.csv'
2024-07-05 16:51:48
301
原创 【时空流量预测笔记3】基于密集连接卷积神经网络的城市蜂窝流量预测
线性统计模型、机器学习模型……针对不同细胞的空间依赖性，[9]建立了一种自编码器与LSTM网络相结合的策略[10]。然而，通过自编码器学习到的特征是原始数据的有损表示[11]，可能无法完全表征相邻单元的空间依赖性。此外，上述方法主要集中在单个小区的流量预测上。如果应用于全市规模的网络，它们的计算成本很高，因为需要同时训练数百甚至数千个模型。本文工作：密集连接的CNN是最先进的深度学习架构，它被用来集体模拟不同细胞中流量的时空依赖性。空间依赖性自然地被卷积运算捕获。
2024-04-15 16:06:48
848
3
原创 【随笔】基于机器学习的蜂窝流量预测的调研
在5G网络问题中，不仅要考虑数据传输速率，在某些特定场合下还要考虑其他指标，比如低电量消耗和改良链接。challenge：1.历史数据中复杂的内部模式（通过深度学习模型来解决）2.实际部署，高性能预测模型和实际系统之间的差距。
2024-03-21 17:12:19
900
1
原创 【论文泛读】基于LSTM和高斯过程回归的蜂窝流量负荷预测
这一篇争取今明两天看完wwww，后续想要再回过头看一下综述，简单了解一下基站休眠的文章。
2024-03-18 17:37:05
460
1
原创 【时空流量预测笔记2】基于协同全局局部学习的图注意力时空网络在城市移动流量预测中的应用
目前对流量预测的要求：及时性、高精度，以便智慧城市中主动网络服务的提供和资源分配。本文的主要工作：graph attention spatial-temporal network (GASTN)图注意力时空预测网络、two attention mechanisms两种注意力机制、全局-局部合作学习策略。
2024-03-13 11:39:29
872
原创 【时空流量预测笔记1】基于相关卷积LSTM和自注意网络的蜂窝网络流量预测
预测网络流量未来动态性能，提出了一种基于相关性的ConvLSTM和基于自注意的网络（CCSANet）来准确预测复杂的蜂窝网络流量。
2024-01-25 15:20:58
1834
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人