作者：朱江; 宋永辉; 刘亚利认知网络流量预测深度学习自适应分组
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.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
