基于深度信念网络的网络流量预测模型

• 作者: 任玮
• 来源期刊: 山西电子技术
• 学科: 工学
• 关键词: 网络流量 深度学习 深度信念网络 受限玻尔兹曼机 神经网络 预测
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 网络技术
• 页码范围: 62-64,76
• 页数: 4页
• 分类号: TP393.02
• 字数: 3228字
• 语种: 中文

摘要

为了提高网络流量预测精度,根据深度学习理论提出一种基于深度信念网络(DBN)的网络流量预测模型.该预测模型由受限玻尔兹曼机(RBM)单元组成,采用逐层无监督贪心算法训练参数,然后利用反向传播学习算法微调整个网络参数.最后基于该预测模型对收集到的真实网络流量进行预测和分析,并与传统神经网络预测进行对比研究,结果表明,该预测模型克服了传统神经网络容易陷入局部最优、训练时间长及函数拟合度不高等缺点,具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任玮	中北大学计算机与控制工程学院	2	9	2.0	2.0