-
题名基于深度置信回声状态网络的网络流量预测模型
被引量：14
- 1
-
-
作者
李莹琦
黄越
孙晓川
-
机构
华北理工大学信息工程学院
南京邮电大学计算机学院
-
出处
《南京邮电大学学报（自然科学版）》
北大核心
2018年第5期85-90,共6页
-
基金
河北省自然科学基金青年基金(F2018209181)资助项目
-
文摘
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。
-
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
-
Keywords
deep belief echo-state network （ DBEN ）
feature learning
self-similarity
network traffic pre-diction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于SAS-DBEN的海洋环境多因素预测方法
被引量：1
- 2
-
-
作者
王嘉琳
金宇悦
李志刚
-
机构
华北理工大学
-
出处
《电脑知识与技术》
2021年第22期1-2,19,共3页
-
基金
唐山市科技计划项目(19150230E)。
-
文摘
激励函数对深度神经网络的非线性逼近性能具有重要影响,其选择与任务相关。针对这一问题,提出基于自适应选择算法的深度置信回声状态网络模型,并应用于海洋环境多因素时间序列预测。该模型集成了14种激励函数,通过预测性能比较实现自适应选择功能。仿真结果表明,该模型能够正确选择出最优激励函数,具有良好的海洋数据多因素预测能力。
-
关键词
海洋环境数据
时间序列预测
深度置信回声状态网络
自适应选择算法
激励函数
-
Keywords
ocean environment data
time series prediction
deep belief echo-state network
self-adaptive selection algorithm
activation function
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
