TY -的A2 -罗,长庆AU -崔,yap盟——黄,Xinyun盟——吴,大鹏AU -郑,郝PY - 2020 DA - 2020/11/18 TI -基于机器学习的资源分配策略网络切片在车载网络SP - 8836315六世- 2020 AB -车载网络刺激的多样化服务需求调查,开发合适的技术来满足车辆的要求。在这种背景下,网络切片被认为是最有前途的一个建筑技术来迎合各种严格的服务需求。然而,服务的不可预测性交通造成的每一片复杂的通信环境导致弱切片分配资源的利用率。因此,在本文中,我们使用基于长期短期记忆——(LSTM)的资源配置,以降低总系统延迟。特别,我们首先制定了无线电资源分配问题作为一个凸优化问题来最小化系统延迟。其次,进一步减少延迟,我们设计一个基于卷积LSTM——(ConvLSTM)交通预测预测交通车辆复杂片服务的网络,用于资源分配处理。和三种类型的流量被认为是,那是,短信,电话,网络流量。最后,根据预测的结果,即。,每片的流量和用户负载分布,我们利用内点方法来探索最优片重量的资源。数值结果表明,预测的平均错误率短信,电话,和网络流量是25.0%,12.4%,和12.2%,分别和总延迟是显著降低,验证交通预测的准确性,提出策略的有效性。 SN - 1530-8669 UR - https://doi.org/10.1155/2020/8836315 DO - 10.1155/2020/8836315 JF - Wireless Communications and Mobile Computing PB - Hindawi KW - ER -