10.3321/j.issn:1005-0086.2006.10.023
基于神经网络的业务量预测研究
分别采用back-propagation(BP)算法和Favidon最小二乘学习算法训练神经网络(NN),并用于复杂业务流量预测.以自相似流量模型验证了2种NN学习算法的有效性,并分析比较了他们在流量预测中的可行性,得出Davidon最小二乘学习算法训练的NN比BP算法收敛速度快、收敛误差相差不多,验证了复杂自相似业务流的可预测性,为复杂自相似网络业务流预测的研究提供了一种有效途径.
网络流量预测、神经网络(NN)、back-propagation(BP)算法、最小二乘学习算法
17
TP391(计算技术、计算机技术)
中国博士后科学基金2005037529;高等学校博士学科点专项科研项目20030056007;天津市高等学校科技发展基金20041325;天津理工大学校科研和教改项目LG03018
2006-11-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
1255-1258