针对目前负载预测模型预测精度低,预测时间长的问题 ,建立一种基于 门控循环单元(GRU)与长短期记忆(LSTM)网络的组合预测模型 GRU-LSTM.该模型的网络结构包括 3 层,第一 层采用 GRU,利用 GRU 参数少 ,易收敛的特点减少模型训练时间 ,第二 ,第三层采用 LSTM,结合 LSTM 参数多的 优势提高模型的预测精度.在此...
针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle,V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit,GRU)和长短期记忆网络(Long Short-Term Memory,LSTM)的组合模型的车联网信道分配算法.算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题...