网络流量预测在网络管理和优化中起着至关重要的作用.然而,传统的深度学习模型(如循环神经网络和卷积神经网络)虽然在时间序列预测中表现良好,但在网络流量预测中仍面临一些挑战.首先,这些模型在处理长时间依赖时容易出现信息丢失问题;其次,其模型复杂度较高,难以在实际部署中高效运行.为了解决这些问题,本文提出了一种新的轻量级模型TimeANet.设计了高效的注意力神经算子,显著增强了特征感知能力;同时,设计了一个具有长期记忆能力的特征通道,有效应对信息丢失问题.实验结果表明,与现有时序序列预测框架相比,TimeANet具有显著的轻量化和准确性的优势.
万方数据
维普
