基于MGU的大规模IP骨干网络实时流量预测

郭芳¹(),陈蕾^1,2,3,杨子文¹

1. 南京邮电大学计算机学院，江苏 南京 210023
2. 江苏省无线传感网高技术研究重点实验室，江苏 南京 210023
3. 南京航空航天大学计算机科学与技术学院，江苏 南京 210016

收稿日期:2018-08-13出版日期:2019-04-20发布日期:2019-04-19

作者简介:郭芳(1992—)，女，云南建水人，硕士研究生，主要研究方向为机器学习与网络流量预测. E-mail:lighter_around@163.com
基金资助:江苏省自然科学基金(BK20161516);中国博士后科学基金(2015M581794);国家自然科学基金(61872190)

Real-time traffic prediction based on MGU for large-scale IP backbone networks

Fang GUO¹(),Lei CHEN^1,2,3,Ziwen YANG¹

1. School of Computer Science, Nanjing University of Posts and Telecommunications, Nanjing 210023, Jiangsu, China
2. Jiangsu High Technology Research Key Laboratory for Wireless Sensor Networks, Nanjing 210023, Jiangsu, China
3. College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, Jiangsu, China

Received:2018-08-13Online:2019-04-20Published:2019-04-19


Supported by:江苏省自然科学基金(BK20161516);中国博士后科学基金(2015M581794);国家自然科学基金(61872190)

摘要/Abstract

摘要： 为克服长短时记忆网络(long short-term memory, LSTM)计算成本相当大的弊端，提出基于最小门控单元(minimal gated unit, MGU)的大规模IP骨干网络实时流量预测方法。试验结果表明，与基于LSTM的流量预测方法相比，该方法以较少的模型训练时间获得了相当甚至略优的流量预测性能，在流量预测精度和实时性方面也优于已有的前馈神经网络(feed forward neural network, FFNN)和门控循环单元神经网络(gated recurrent unit, GRU)方法。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1814