首页|基于双向长短期记忆循环神经网络的网络流量预测

基于双向长短期记忆循环神经网络的网络流量预测

NETWORK TRAFFIC PREDICTION BASED ON BILSTM RECURRENT NEURAL NETWORK

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对长短期记忆循环神经网络在对时间序列进行学习时存在早期特征记忆效果差、难以充分挖掘整个网络流量特征等问题,提出一种基于双向长短期记忆循环神经网络的网络流量预测方法,以提高网络流量预测的准确性.对网络流量序列进行双向学习,避免单向学习导致较早学习部分特征提取和记忆效果差的问题.同时双向学习可以充分挖掘网络流量天与天之间双向的特征,完整地学习到网络流量的整体特征.仿真实验结果表明,改进后的方法相比原方法具有更好的预测效果.

杜秀丽、范志宇、吕亚娜、邱少明

展开 >

大连大学通信与网络重点实验室 辽宁 大连116622

大连大学信息工程学院 辽宁 大连116622

网络流量预测 自相似性 BiLSTM LSTM

辽宁百千万人才工程基金

2018921080

2022

10.3969/j.issn.1000-386x.2022.02.024

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(2)
  • 6
  • 5