虛擬講堂 進入演講 講 題 基於 GRU 之基地台流量預測 講 者 國立宜蘭大學資訊工程學系 卜仁翔, 簡暐哲, 賴槿峰, 趙涵捷 日 期 2019/09/25 長 度 00:09:21 人 氣 77 次 摘 要 大數據時代伴隨5G 的到來，使得網路流量逐 年呈指數成長，如何有效的分配運算資源及控管 網路流量成為非常重要的議題。行動網路營運商 如果依然使用傳統的流量控制策略和方法，可能 無法應對繁重和多變的流量，也因此容易導致高 丟包率和較差客戶體驗質量。隨著硬體設備的運 算能力提升，神經網路已廣泛應用許多領域，長 短期記憶模型（Long Short Term Memory Network , LSTM）是其中一種解決時間序列資料的可行方法， 但是 LSTM因為內部結構較複雜，需要較長的運算 時間和較多的運算資源。為了將能夠應用於網路 的流量預測，需要考量即時性的需求，因此我們 提出門控循環單元（Gated Recurrent Unit ,GRU） 的模型預測基地台的流量，結果顯示所提出的方 法能夠有良好的流量預測成果，而且能節省大量 的運算時間。 提 供 TANET台灣網際網路研討會-TANET2019 進入演講