计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2006年
8期
124-126,130
,共4页
林雪纲%郑成兴%窦旻%许榕生
林雪綱%鄭成興%竇旻%許榕生
림설강%정성흥%두민%허용생
神经网络%FIR%网络流量%预测
神經網絡%FIR%網絡流量%預測
신경망락%FIR%망락류량%예측
对原始数据进行R/S分析得到Hurst系数以选择合适的神经网络结构,重点分析了FIR的阶及两种不同学习算法(Wan和Back-Tsio算法)对预测结果的影响.结果表明FIR阶的选择依赖于流量数据的变化周期,Wan算法在Hurst数接近1的网络流量预测中具有更好的精确性.
對原始數據進行R/S分析得到Hurst繫數以選擇閤適的神經網絡結構,重點分析瞭FIR的階及兩種不同學習算法(Wan和Back-Tsio算法)對預測結果的影響.結果錶明FIR階的選擇依賴于流量數據的變化週期,Wan算法在Hurst數接近1的網絡流量預測中具有更好的精確性.
대원시수거진행R/S분석득도Hurst계수이선택합괄적신경망락결구,중점분석료FIR적계급량충불동학습산법(Wan화Back-Tsio산법)대예측결과적영향.결과표명FIR계적선택의뢰우류량수거적변화주기,Wan산법재Hurst수접근1적망락류량예측중구유경호적정학성.
