基于Plane-Gaussian神经网络的网络流状态监测

• 作者: 冯哲 杨绪兵 薛晖 顾一凡
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: Plane-Gaussian人工神经网络 极限学习机 随机投影 全局逼近 分类精度
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 782-785,816
• 页数: 5页
• 分类号: TP391.4
• 字数: 5437字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.03.782

摘要

针对复杂网络环境下网络流监测(分类)问题,为实现多个类别直接分类以及提高学习方法的训练速度,提出了一种随机的人工神经网络学习方法.该方法借鉴平面高斯(PG)神经网络模型,引入随机投影思想,通过计算矩阵伪逆的方法解析获得网络连接矩阵,理论上可证明该网络具有全局逼近能力.在人工数据和标准网络流监测数据上进行了实验仿真,与同样采用随机方法的极限学习机(ELM)和PG网络相比,分析与实验结果表明:1)由于继承了PG网络的几何特性,对平面型分布数据更为有效;2)采用了随机方法,训练速度与ELM相当,但比PG网络快得多;3)三种方法中,该方法更有利于解决网络流监测问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛晖	东南大学计算机科学与工程学院	11	26	3.0	4.0
2	杨绪兵	南京林业大学信息科学技术学院	21	56	4.0	7.0
3	冯哲	南京林业大学信息科学技术学院	3	6	1.0	2.0
4	顾一凡	南京林业大学信息科学技术学院	2	2	1.0	1.0