典型文献
基于CNN-GRU网络的5G流量预测模型
文献摘要：
探索使5G网络应用于垂直行业的方法,关键在于满足行业业务需求的前提下,提供高效率低能耗的网络服务.为了实现5G网络资源负载均衡及网络切片等应用,本文通过研究5G网络的实际表现,对5G网络进行精准预测,提出一种基于CNN-GRU的5G流量预测模型.利用实测带宽数据进行测试,与LSTM,GRU等网络模型进行对比验证其实际表现.结果表明,CNN-GRU的表现优于对比模型,是预测5G流量的理想模型.
文献关键词：
5G;流量预测;深度学习;卷积神经网络;门控循环单元网络
中图分类号：
作者姓名：
郭娘容;甘浩宇;陈立丰;赖粤
作者机构：
广东工业大学,广州 510006
文献出处：
引用格式：
[1]郭娘容;甘浩宇;陈立丰;赖粤-.基于CNN-GRU网络的5G流量预测模型)[J].现代计算机,2022(04):76-81
A类：
B类：
GRU,流量预测模型,网络应用,垂直行业,业务需求,低能耗,网络服务,网络资源,负载均衡,网络切片,实际表现,精准预测,对比验证,对比模型,理想模型,门控循环单元网络
AB值：
0.341593
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
