基于MGU的大规模IP骨干网络实时流量预测

• 作者: 杨子文 郭芳 陈蕾
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 网络流量预测 大规模IP骨干网 循环神经网络 LSTM MGU
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 88-95
• 页数: 8页
• 分类号: TP393
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2018.342

摘要

为克服长短时记忆网络(long short-term memory,LSTM)计算成本相当大的弊端,提出基于最小门控单元(minimal ga-ted unit,MGU)的大规模IP骨干网络实时流量预测方法.试验结果表明,与基于LSTM的流量预测方法相比,该方法以较少的模型训练时间获得了相当甚至略优的流量预测性能,在流量预测精度和实时性方面也优于已有的前馈神经网络(feed for-ward neural network,FFNN)和门控循环单元神经网络(gated recurrent unit,GRU)方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈蕾	南京邮电大学计算机学院	36	185	8.0	12.0
10	杨子文	南京邮电大学计算机学院	2	1	1.0	1.0
11	郭芳	南京邮电大学计算机学院	1	1	1.0	1.0