Biblioteca122.294 documentos en línea

Artículo

A Hybridly Optimized LSTM-Based Data Flow Prediction Model for Dependable Online TicketingUn modelo de predicción de flujo de datos basado en LSTM optimizado híbridamente para una venta de boletos en línea confiable.

Resumen

Las tecnologías de comunicación de quinta generación (5G) y la inteligencia artificial permiten el diseño e implementación de soluciones sofisticadas para mejorar la experiencia del usuario y la entrega de servicios basados en redes superiores. Sin embargo, el rendimiento de los sistemas que ofrecen servicios basados en 5G depende de varios factores. En este documento, consideramos el caso del sistema de venta de boletos de tren en línea en China que atiende las necesidades de cientos de millones de personas diariamente. Las tasas de acceso en línea de este sistema varían con el tiempo, y se experimentan fluctuaciones que afectan su confiabilidad general y calidad de servicio. Utilizamos una red neuronal de memoria a largo plazo, optimización por enjambre de partículas y evolución diferencial para construir un modelo DP-LSTMa híbrido optimizado para predecir el flujo de red para la entrega de servicios confiables y de calidad mejorada. Evaluamos el modelo propuesto utilizando datos reales recopilados durante seis meses del sistema de venta de boletos en línea 12306. Comparamos el rend

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento