基于图的谱需求预测方法：层次注意力网络
机器学习
2026-03-11 v1 人工智能
网络与互联网体系结构
系统与控制
系统与控制
摘要
无线连接需求的激增以及频谱资源的有限性，迫使发展出有效的频谱管理方法。频谱共享虽然是一个潜在的可行方案，但需要精确的字符化频谱需求以制定明智的政策。本文引入了 HR-GAT（层次分辨率图注意力网络），用于基于地理空间数据预测频谱需求。HR-GAT 能巧妙地处理复杂的空间需求模式，解决通常会挑战标准机器学习模型的空间自相关问题，这些模型常导致泛化性能差。我们在五个主要加拿大城市上进行测试，HR-GAT 在八个基线模型之上将频谱需求预测精度提高了 21%，凸显了其卓越的性能和可靠性。
引用
@article{arxiv.2603.09859,
title = {A Graph-Based Approach to Spectrum Demand Prediction Using Hierarchical Attention Networks},
author = {Mohamad Alkadamani and Halim Yanikomeroglu and Amir Ghasemi},
journal= {arXiv preprint arXiv:2603.09859},
year = {2026}
}
备注
7 pages, 6 figures. Presented at IEEE GLOBECOM 2025, Taiwan. To appear in the conference proceedings