GCN-RNN

时空图Transformer提升边缘计算流量预测能力

研究人员开发了一种新颖的时空图Transformer框架，旨在提高边缘计算环境中的流量预测准确性。该框架利用图神经网络对服务区域之间的空间相关性进行建模，并采用基于Transformer的自注意力机制来捕捉流量数据中的长程时间依赖性。在真实蜂窝网络数据上的实验表明，该方法优于现有的基于图的循环模型，能够实现更有效的预测性资源配置，并降低系统过载的风险。