文献

J-GLOBAL ID：202202280753527643   整理番号：22A1152664

新しいネットワークトラフィック組合せ予測モデル【JST・京大機械翻訳】

A novel network traffic combination prediction model

著者 (2件)： Tian Zhongda (College of Artificial Intelligence, Shenyang University of Technology, Shenyang, China) ,  Song Pengfei (College of Artificial Intelligence, Shenyang University of Technology, Shenyang, China)
資料名： International Journal of Communication Systems  (International Journal of Communication Systems)
巻： 35  号： 7  ページ： e5097  発行年： 2022年 
JST資料番号： T0595A  ISSN： 1074-5351  CODEN： IJCYEZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ネットワークは,公衆生活の不可欠な部分になった。ネットワーク利用,ネットワーク性能,ネットワーク品質を改善し,ネットワークセキュリティを強化するために,ネットワークトラフィックの正確な予測は,上記の問題を解決するための不可欠な方法と基礎である。ネットワークトラフィックを正確に予測するために,ネットワークトラフィックのための新しい組合せ予測モデルを提案した。このモデルでは,局所平均分解(LMD),双方向長短期メモリ(BiLSTM),およびBayes最適化アルゴリズムを組み合わせた。最初に,LMD法はネットワークトラフィック時系列を分解し,いくつかの製品関数(PF)成分およびLMDによる残差を得た。次に,各PF成分と残差をBiLSTMモデルで予測した。一方,Bayes最適化アルゴリズムを導入して,BiLSTMのハイパーパラメータを最適化した。最後に,各PF成分と残差の予測値を,最終予測値を得るために,線形に重ね合わせた。実際のネットワークトラフィックデータセットの2つのグループの研究を通して,種々の最先端の予測モデルと比較して,提案モデルは結果の比較による好ましい予測結果を持っている。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  最適化 ,  *ネットワーク ,  最適化手法 ,  *通信路容量 ,  残差 ,  線形性 ,  記憶 ,  セキュリティ ,  *予測モデル
準シソーラス用語： 長期記憶 ,  *ネットワークトラフィック ,  ネットワーク性能 ,  ネットワークセキュリティ ,  予測値 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： Bayes最適化 ,  双方向長期記憶 ,  組合せ予測 ,  局所平均分解 ,  ネットワークトラフィック

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ネットワークトラフィック ,  組合せ ,  予測モデル