作者：李莹琦; 黄越; 孙晓川深度置信回声状态网络特征学习自相似性网络流量预测
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。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《南京邮电大学学报·自然科学版》（CN：32-1772/TN）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《南京邮电大学学报·自然科学版》主要刊登能及时反映代表学科前沿、学术上有特色的通信与信息系统、信号与信息处理、电磁场与微波技术、通信系统与通信网、图像通信与多媒体通信、移动通信与光通信、计算机软件与理论、计算机应用技术、信息安全与信息网络、控制理论与控制工程、模式识别与智能系统、物联网等学科或专业的学术论文、研究报告及综...
杂志详情
