位置:成果数据库 > 期刊 > 期刊详情页
基于改进型深度学习的流量预测
  • ISSN号:1001-893X
  • 期刊名称:《电讯技术》
  • 时间:0
  • 分类:TN929.5[电子电信—通信与信息系统;电子电信—信息与通信工程]
  • 作者机构:重庆邮电大学移动通信技术重庆市重点实验室,重庆400065
  • 相关基金:国家自然科学基金资助项目(61271260);重庆市科委自然科学基金资助项目(cstc2015jcyjA40050)
中文摘要:

为了解决无线网络中流量的预测精度不高的问题,提出了一种自适应分组的栈式自编码 (AG-SAEs)深度学习预测方法.在数据的预处理过程中,首先使用最大最小方式对数据进行归一化处理,并提出一种新型的自适应分组方法,把归一化后的链路数据进行关联性分组;然后,基于深 度学习方法建立了一个多输入多输出的预测模型,并将分组后的数据输入到预测模型中,对该模型 进行训练来建立输入和输出流量之间的映射关系;最后,为了进一步提高预测精度,在模型的训练过 程中,使用改进型的牛顿法来进行权值参数更新.仿真实验以及和其他算法对比的结果证实了所提 方案具有更小的预测相对误差.

英文摘要:

To solve the problem of low traffic prediction accuracy in wireless networks,a method based on the adaptive grouping stacked auto - encoders ( AG-SAEs) deep learning is proposed. In data preprocess-ing ,the maximum and minimum method is used to normalize the data,and a novel adaptive grouping meth-od is adopted to divide the normalized data into different groups adaptively. Then,a multi-input multi-out-put prediction model based on the deep learning model is established. All the groups are input to the stacked auto-encoder model to train the model and map the relationship between input and output traffic. Finally,in order to further improve the prediction accuracy,the modified Newton method is used to update the weight parameters in the model training section. The simulation experiment and comparison with other methods show that the proposed method processes a smaller prediction relative error.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《电讯技术》
  • 北大核心期刊(2011版)
  • 主管单位:中国电子科技集团公司
  • 主办单位:中国西南电子技术研究所
  • 主编:雷厉
  • 地址:四川省成都市金牛区营康西路85号
  • 邮编:610036
  • 邮箱:dxjs@china.com
  • 电话:028-87555632
  • 国际标准刊号:ISSN:1001-893X
  • 国内统一刊号:ISSN:51-1267/TN
  • 邮发代号:62-39
  • 获奖情况:
  • 信息产业部优秀期刊,首届《CAJ-CD规范》执行优秀期刊,工业和信息化部电子科技期刊2007~2008年度学术技...,四川省编校质量优秀奖期刊,工业和信息化部电子科技期刊2009-2010年度优秀期刊奖
  • 国内外数据库收录:
  • 波兰哥白尼索引,美国乌利希期刊指南,美国剑桥科学文摘,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:8602