基于改进型深度学习的流量预测

• 作者: 刘亚利 宋永辉 朱江
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 认知网络 流量预测 深度学习 自适应分组
• 年，卷（期）: 2017,（1）
• 页码范围: 1-8
• 页数: 8页
• 分类号: TN929.5
• 字数: 6191字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2017.01.001

摘要

为了解决无线网络中流量的预测精度不高的问题，提出了一种自适应分组的栈式自编码( AG-SAEs)深度学习预测方法。在数据的预处理过程中，首先使用最大最小方式对数据进行归一化处理，并提出一种新型的自适应分组方法，把归一化后的链路数据进行关联性分组；然后，基于深度学习方法建立了一个多输入多输出的预测模型，并将分组后的数据输入到预测模型中，对该模型进行训练来建立输入和输出流量之间的映射关系；最后，为了进一步提高预测精度，在模型的训练过程中，使用改进型的牛顿法来进行权值参数更新。仿真实验以及和其他算法对比的结果证实了所提方案具有更小的预测相对误差。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱江	重庆邮电大学移动通信技术重庆市重点实验室	119	427	11.0	16.0
2	刘亚利	重庆邮电大学移动通信技术重庆市重点实验室	5	16	2.0	4.0
3	宋永辉	重庆邮电大学移动通信技术重庆市重点实验室	3	16	2.0	3.0