研究人员开发了一种参数高效混合Transformer (PEHT) 模型，旨在改进城市环境中的网络流量预测。该框架将城市移动性和拥堵数据集成到Transformer架构中，利用低秩自适应 (LoRA) 来减少可训练参数，同时保持准确性。在意大利电信米兰数据集上的实验表明，PEHT在预测性能上优于现有方法。 AI
影响 这项研究通过提高流量预测的准确性，有可能实现城市蜂窝网络中更高效的资源分配。
排序理由 该集群包含一篇详细介绍新模型架构及其实验验证的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.28274v1 Announce Type: cross Abstract: Accurate network traffic prediction is a critical element for efficient resource allocation in dynamic urban cellular networks. However, prediction remains challenging because network demand is influenced by complex mobility patte…
Accurate network traffic prediction is a critical element for efficient resource allocation in dynamic urban cellular networks. However, prediction remains challenging because network demand is influenced by complex mobility patterns, congestion dynamics, and heterogeneous user b…