计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2008年
13期
6-7,11
,共3页
RBF神经网络%网络流量%建模%预测
RBF神經網絡%網絡流量%建模%預測
RBF신경망락%망락류량%건모%예측
随着计算机网络的迅速发展,目前的网络规模极为庞大和复杂,网络流量预测对于网络管理具有至关重要的意义.根据实际网络中测量的大量网络流量数据,建立了一个基于RBF神经网络的流量模型,给出了RBF神经网络的结构设计及基于正交最小二乘的学习算法,并基于该流量模型时网络流量进行预测.仿真结果表明,该模型具有较高的预测效果,相对于传统线性模型及BP神经网络模型具有更高的预测精度和良好的自适应性.
隨著計算機網絡的迅速髮展,目前的網絡規模極為龐大和複雜,網絡流量預測對于網絡管理具有至關重要的意義.根據實際網絡中測量的大量網絡流量數據,建立瞭一箇基于RBF神經網絡的流量模型,給齣瞭RBF神經網絡的結構設計及基于正交最小二乘的學習算法,併基于該流量模型時網絡流量進行預測.倣真結果錶明,該模型具有較高的預測效果,相對于傳統線性模型及BP神經網絡模型具有更高的預測精度和良好的自適應性.
수착계산궤망락적신속발전,목전적망락규모겁위방대화복잡,망락류량예측대우망락관리구유지관중요적의의.근거실제망락중측량적대량망락류량수거,건립료일개기우RBF신경망락적류량모형,급출료RBF신경망락적결구설계급기우정교최소이승적학습산법,병기우해류량모형시망락류량진행예측.방진결과표명,해모형구유교고적예측효과,상대우전통선성모형급BP신경망락모형구유경고적예측정도화량호적자괄응성.
