Yufeng Xin

深度学习和LLM增强网络流量预测

研究人员开发了一个新的框架，利用深度学习和大语言模型（LLM）来预测网络流量。该方法显式地模拟了多元网络时间序列中的时间动态和结构依赖性。该框架包含一个图注意力模型来捕捉拓扑诱导的相关性，并对微调的LLM进行优化以提高泛化能力。在真实骨干网流量数据上的实验表明，与现有的统计和循环神经网络方法相比，该方法在预测质量的个体时间序列一致性方面取得了持续的改进，并降低了变异性。