Bài báo này đề xuất FoMo, một mô hình nền tảng có thể áp dụng cho nhiều tác vụ mạng di động, chẳng hạn như bố trí trạm gốc, phân bổ tài nguyên và tối ưu hóa năng lượng. FoMo kết hợp mô hình khuếch tán và bộ biến đổi để xử lý các tác vụ dự đoán đa dạng, chẳng hạn như dự đoán ngắn hạn và dài hạn, cũng như tạo phân phối trên nhiều thành phố. Nó học các đặc điểm riêng biệt của nhiều tác vụ khác nhau thông qua các mặt nạ không gian-thời gian khác nhau và tăng cường khả năng học chuyển giao bằng cách xác định mối tương quan giữa lưu lượng di động và môi trường đô thị thông qua một chiến lược học tương phản. Kết quả thử nghiệm trên chín tập dữ liệu thực tế chứng minh rằng FoMo vượt trội hơn các mô hình hiện có trên nhiều tác vụ dự đoán và học không-cú-cú-và-cú-cú-lượt-và-cú-lượt ...
