基于深度置信回声状态网络的网络流量预测模型

• 作者: 孙晓川 李莹琦 黄越
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度置信回声状态网络 特征学习 自相似性 网络流量预测
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 计算机与自动控制
• 页码范围: 85-90
• 页数: 6页
• 分类号: TP183
• 字数: 3642字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2018.05.012

摘要

文中将深度置信回声状态网络应用于网络流量预测.结构上,深度置信网络通过无监督的方式进行特征学习,有效地提取网络流量数据特征.然后,利用回声状态网络学习机制代替传统的反向传播方法进行局部权值调整,实现有监督的储备池学习.针对实际的网络流量数据集,仿真结果表明该模型在非线性逼近能力方面明显优于浅层的神经网络结构,同时能够有效地保持网络流量的自相似特性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄越	南京邮电大学计算机学院	4	9	2.0	3.0
2	李莹琦	华北理工大学信息工程学院	2	3	1.0	1.0
3	孙晓川	华北理工大学信息工程学院	2	3	1.0	1.0