文献类型：期刊文章

作　　者：李莹琦[1] 黄越[2] 孙晓川[1,2]

LI Yingqi;HUANG Yue;SUN Xiaochuan(School of Information Engineering,North China of Science and Technology,Tangshan 063210,China;School of Computer Science,Nanjng University of Posts and Telecommunications,Nanjing 210023,China)

机构地区：[1]华北理工大学信息工程学院,河北唐山063210 [2]南京邮电大学计算机学院,江苏南京210023

出　　处：《南京邮电大学学报（自然科学版）》

基　　金：河北省自然科学基金青年基金(F2018209181)资助项目

年　　份：2018

卷　　号：38

期　　号：5

起止页码：85-90

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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。

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

分 类 号：TP183]