शोधकर्ताओं ने बैकहॉल विलंबता से उत्पन्न वितरित 5G नेटवर्कों में प्रदर्शन क्षय को दूर करने के लिए भविष्य के उपयोगकर्ता उपकरण शेड्यूलिंग स्थितियों की भविष्यवाणी करने हेतु एक स्पेक्ट्रल टेम्पोरल ग्राफ न्यूरल नेटवर्क (StemGNN) का उपयोग प्रस्तावित किया है। पुराने इंटर-सेल जानकारी को इन भविष्यवाणियों से बदलकर, यह फ्रेमवर्क समन्वित बीमफ़ॉर्मिंग पर विलंबित समन्वय के नकारात्मक प्रभावों को कम करता है।
- StemGNN ने सभी मूल्यांकन क्षितिजों में LSTM, GRU, Simple RNN और मार्कोव चेन आधारभूत मानकों की तुलना में 87.57% का माध्य शेड्यूलिंग भविष्यवाणी सटीकता हासिल किया।
- इंटर-उपयोगकर्ता उपकरण संरचनात्मक निर्भरताएँ प्रमुख होने वाले लंबे क्षितिजों पर, मॉडल ने LSTM की तुलना में 7.71% तक लाभ दिखाया।
- समन्वित बीमफ़ॉर्मिंग में एकीकृत होने पर, भविष्यवाणियाँ बैकहॉल विलंबता के एक ट्रांसमिशन समय अंतराल से उत्पन्न योग दर हानि का 57-73% पुनर्स्थापित करती हैं।
- इस दृष्टिकोण ने कोई-भविष्यवाणी आधारभूत मानक की तुलना में योग दर को 9.58-14.35% तक बढ़ाया और सेल-एज उपयोगकर्ताओं के लिए लैग-1 न्याय हानि का 83% तक पुनर्स्थापित किया।
बैकहॉल विलंबता को एक स्पेसियो-टेम्पोरल फोरकास्टिंग समस्या के रूप में देखना, विलंबता-सीमित नेटवर्कों में मजबूत इंटर-सेल समन्वय बनाए रखने के लिए एक प्रभावी विधि प्रदान करता है।