提出了一种自适应长短期记忆(adaptive long short-term memory,aLSTM)模型,以学习网络输入的超参数,以优化LDPC的编码率,网络平均流的吞吐量,以及上面所述间距离的用户和所述基站和用户数。分析了两个不同城市和地区用户数量的影响农...提出了一种自适应长短期记忆(adaptive long short-term memory,aLSTM)模型,以学习网络输入的超参数,以优化LDPC的编码率,网络平均流的吞吐量,以及上面所述间距离的用户和所述基站和用户数。分析了两个不同城市和地区用户数量的影响农村地区的延时。提高了网络覆盖和用户传输速率。通过比较的示例性数据与所述预测结果的LSTM预测方法,验证了所提出的aLSTM预测模型,实验结果表明,所提出的aLSTM预测模型使用的参数减少了0%~20%,且迭代次数减少了一半。该方法不仅有效,而且具有较高的预测精度。展开更多
文摘提出了一种自适应长短期记忆(adaptive long short-term memory,aLSTM)模型,以学习网络输入的超参数,以优化LDPC的编码率,网络平均流的吞吐量,以及上面所述间距离的用户和所述基站和用户数。分析了两个不同城市和地区用户数量的影响农村地区的延时。提高了网络覆盖和用户传输速率。通过比较的示例性数据与所述预测结果的LSTM预测方法,验证了所提出的aLSTM预测模型,实验结果表明,所提出的aLSTM预测模型使用的参数减少了0%~20%,且迭代次数减少了一半。该方法不仅有效,而且具有较高的预测精度。
