文献检索-宁波市创意产业特色资源库

限定检索结果

基于高阶图卷积自编码器的网络流量预测: 收藏
分享
引用; 《计算技术与自动化》2020年第4期39卷 169-174页; 作者：崔兆阳李昭桦广州供电局有限公司广东广州510620 中国能源建设集团广东省电力设计研究院有限公司广东广州510663; 网络流量预测是有效保障用户QoS措施之一。当前深度学习为基础的网络算法预测中没有充分利用网络拓扑信息。为此,提出了基于高阶图卷积自编码器的网络流量预测模型。该流量预测模型基于软件定义网络(SDN)架构,利用高阶图卷积网络(GCN)...; 网络流量预测是有效保障用户QoS措施之一。当前深度学习为基础的网络算法预测中没有充分利用网络拓扑信息。为此,提出了基于高阶图卷积自编码器的网络流量预测模型。该流量预测模型基于软件定义网络(SDN)架构,利用高阶图卷积网络(GCN)获取网络拓扑中的多跳邻域之间的流量相互影响关系,采用门控递归单元(gru)获取网络的时间相关性信息,利用自编码模型来实现无监督学习和预测。在Abilene网络上采用真实数据进行了仿真对比分析试验,结果表明,提出的方法在网络流量检测方面的MAPE值为41.56%,低于其它深度学习的方法,同时预测准确率方面也达到最优。; 来源：详细信息评论

限定检索结果