PulseAugur
中
实时 09:57:09

APEX模型推动无线网络预测和异常检测能力提升

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了APEX，一种新的网络原生Transformer模型，专为无线网络运营中的时间序列预测和异常检测而设计。与通用模型不同，APEX经过了数千个无线网络的遥测数据预训练，使其能够更好地处理这类数据的独特特性。该模型有大型和边缘版本，在预测网络退化和识别异常方面显著优于现有基线，其中边缘版本提供了高效的设备端推理。 AI

影响 通过提高预测准确性和异常检测能力，增强了主动式无线网络管理。

排序理由 该集群描述了一篇新的学术论文，详细介绍了新颖的模型架构及其在特定基准上的性能。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

APEX模型推动无线网络预测和异常检测能力提升

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Swadhin Pradhan, Niloo Bahadori, Peiman Amini ·

    APEX：一种面向无线边缘运营的、网络原生的时间序列基础模型，用于预测和异常检测

    arXiv:2606.11553v1 Announce Type: new Abstract: Generic time-series foundation models transfer poorly to wireless network telemetry whose signals are bursty, zero-inflated, and coupled across protocol layers. We present APEX, a network-native, decoder-only transformer for forecas…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    APEX: 面向无线边缘运营的网络原生时间序列基础模型，用于预测和异常检测

    Network-native transformer model APEX demonstrates superior forecasting performance for wireless network telemetry compared to existing foundation models and traditional methods.

相关实体

相关话题