评估AI模型用于网络利用率预测

一篇新的研究论文评估了各种AI和机器学习模型用于预测网络利用率KPI。该研究将季节性分解和Prophet等传统方法与随机森林、XGBoost和支持向量回归等机器学习算法以及卷积LSTM等深度学习架构进行了比较。使用MAPE、NRMSE和R-square等常用指标对模型进行了基准测试，以深入了解网络容量规划的准确性与计算效率之间的权衡。 AI

影响 为选择最佳AI模型以进行网络容量规划和资源配置提供了见解。

排序理由 该项目是一篇学术论文，详细介绍了用于时间序列预测的AI/ML模型的研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• CatalyzeX Code Finder for Papers
• coefficient of determination
• Connected Papers
• Convolutional LSTMs
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Litmaps
• Mape Morottaja
• NRMSE
• Prophet
• random forest
• ScienceCast
• scite Smart Citations
• Support Vector Regression
• XGBoost

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →