[发明专利]一种基于轻量级时空深度学习模型的网络流量预测方法有效
| 申请号： | 201911099165.8 | 申请日： | 2019-11-12 |
| 公开（公告）号： | CN110851782B | 公开（公告）日： | 2023-06-23 |
| 发明（设计）人： | 郭芳;陈蕾;顾德杨;李平 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F17/16 | 分类号： | G06F17/16;G06N3/0464;G06N3/084 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 210046 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于轻量级时空深度学习模型的网络流量预测方法，首先，根据网络状态，基于预先设定的时间间隙采样若干历史时刻的网络流量数据，并对所采样的数据做归一化处理；其次，构建基于卷积神经网络和循环神经网络的神经网络模型，提取网络流量中的时空特征；然后，使用数据集对建立的神经网络模型进行训练，获得轻量级时空深度学习网络流量预测模型；最后，根据已获得的历史流量矩阵，通过该网络预测模型，预测未来时刻的流量值。本发明解决了深度学习参数复杂以及循环神经网络梯度爆炸的问题，同时还提高了预测模型的准确率。 | ||
| 搜索关键词： | 一种 基于 轻量级 时空 深度 学习 模型 网络流量 预测 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911099165.8/，转载请声明来源钻瓜专利网。
