基于图神经网络的网络切片时延预测研究OA
网络切片的时延通常被视为比较不同网络切片资源分配方案的重要指标之一。然而,在真实网络中部署不同的切片方案并测量时延的成本过高。因此文章提出了基于图神经网络(graph neural network,GNN)和多头注意力机制(Multi-Head Attention Mechanism)的网络切片时延预测模型,该模型可以对现实中的网络进行机器学习建模,通过学习网络中节点的流量状态,使用基于多头注意力机制的增强GNN算法能得到网络切片的时延预测。实验结果表明,该模型可以适应切片和节点数量变化的动态场景,且预测结果具有较高的准确度,可以很好地应用于运营网络的监控与维护。
罗先南;周想凌;杨爽;刘峰
国网电力科学研究院有限公司,江苏省南京市210003国网湖北省电力有限公司,湖北省武汉市430074国网电力科学研究院有限公司,江苏省南京市210003国网电力科学研究院有限公司,江苏省南京市210003
电子信息工程
网络切片图神经网络(GNN)多头注意力机制时延预测
《电力信息与通信技术》 2025 (1)
P.76-82,7
国家电网有限公司总部科技项目资助“融合5G短切片、4G短复用的电力无线核心骨干专网关键技术研究与应用”(5108-202218280A-2-415-XG)。
评论