Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
El desarrollo de la tecnología celular ha llevado a un crecimiento explosivo en el tráfico de redes celulares. Los modelos precisos de series temporales para predecir el tráfico móvil celular se han vuelto muy importantes para mejorar la calidad de servicio (QoS) en una red. La modelización y predicción de la carga de red celular desempeñan un papel importante en lograr la mejor asignación de recursos favorable mediante una provisión conveniente de ancho de banda y preservar simultáneamente la máxima utilización de la red. La novedad de la investigación propuesta es desarrollar un modelo que pueda predecir de manera inteligente el tráfico de carga en una red celular. En este artículo, se propone un modelo que combina suavizado exponencial simple con memoria a corto plazo (SES-LSTM) para predecir el tráfico celular. Se utilizó un modelo de normalización min-max para escalar la carga de red. El método de suavizado exponencial simple se aplicó para ajustar los volúmenes de tráfico de red, debido a que el tráfico de red es muy complejo y tiene diferentes formas. La salida de un modelo de suavizado exponencial simple fue procesada utilizando un modelo LSTM para predecir la carga de red. El sistema inteligente fue evaluado utilizando tráfico real de red celular que se había recopilado en un conjunto de datos de Kaggle. Los resultados del experimento revelaron que el método propuesto tenía una precisión superior, logrando valores de métricas de cuadrado de -88.21%, 92.20%, y 89.81% para tres intervalos de tiempo de un mes, respectivamente. Se observó que los valores de predicción eran muy cercanos a las observaciones. Se presenta una comparación de los resultados de predicción entre el modelo LSTM existente y nuestro sistema propuesto. El sistema propuesto logró un rendimiento superior para predecir el tráfico de red celular.
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.
Artículo:
Prediciendo el comportamiento de aprendizaje utilizando datos de registro en la enseñanza combinada.
Artículo:
Nuevas topologías generales de compuertas de umbral basadas en RTD y aplicación a compuertas lógicas XOR de tres entradas
Artículo:
Investigación sobre Evaluación de la Educación Superior y Toma de Decisiones Basada en la Minería de Datos
Artículo:
Auriculares digitales de realidad aumentada
Artículo:
Papel de la recuperación en la evolución de la protección contra el riesgo sistémico: Una perspectiva mecánica en la dinámica de red-agente.
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Análisis socioeconómico de la problemática de los desechos plásticos en el mar
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
