研究人员开发了一种分层多智能体系统（TMAS），以提高城市环境中5G吞吐量的预测精度。该系统通过将边缘遥测数据动态路由到专门的微智能体，克服了传统单体机器学习模型的局限性。TMAS使用马来西亚Sunway City的数据集进行了验证，展示了高达0.931的R2和低至0.53 Mbps的平均绝对误差（MAE），准确率很高，同时保持了适合下一代网络的低推理延迟。 AI
影响 通过提供更准确、更高效的吞吐量预测，该系统有望改善未来6G网络的资源编排和性能。
排序理由 详细介绍一种新颖网络吞吐量预测系统的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
