研究人员开发了一种新颖的两阶段在线学习框架，用于检测移动核心网中的服务影响故障。该系统解决了监控聚合流量量固有的非平稳性和类别不平衡等挑战。第一阶段使用具有时间感知特征的回归来模拟正常流量动态，第二阶段分析预测残差和上下文指标以识别真正的故障。这种自适应方法以低计算开销持续运行，在各种线性和非线性模型中实现了卓越的精确率-召回率权衡，包括高召回率和 F1 分数。 AI
影响 该框架通过实现对关键故障更准确、更及时的检测，有可能提高移动网络运营的可靠性和效率。
排序理由 学术论文，详细介绍了解决问题的新技术方法。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
