基于图神经网络的SDON性能预测模型

网络性能预测是实现软件定义光网络(SDON)高效网络管理的关键,但目前亟需一种能够以较低成本准确预测关键指标的网络性能预测模型。提出一种基于图神经网络的SDON性能预测模型,该模型将Bi GRU和Self-Attention机制相结合,能够学习网络拓扑、路由和流量矩阵之间的复杂关系,从而准确地估计网络中源/目的地的分组延迟、抖动以及丢包率,并且可以应用于训练中未遇到的网络。实验结果表明,在不同流量模型测试中,所提模型相较于基线模型的平均绝对百分比误差(MAPE)性能有明显提升。     

一种基于图神经网络的SDN路由性能预测模型

软件定义网络作为未来网络架构的发展方向,通过分离数据平面与控制平面高效设定路由方案.而在路由方案的优化过程中,准确预估给定路由方案下的网络性能是其关键.本文基于图神经网络建模网络中物理链路与路由方案路径的关系,在给定的路由方案与网络流量下对网络中的各项端到端性能指标(如延迟、抖动)进行准确预估,以辅助优化路由方案.本文...     

移动传感器网络的安全性能智能预测

移动传感器网络的物理层安全问题日益复杂,已经成为了一个研究热点.为了及时处理网络安全事件,研究了移动传感器网络的安全性能预测,提出了一种基于灰狼优化广义回归(Grey Wolf Optimization-Generalized Regression,GWO-GR)神经网络的安全性能智能预测方法.该方法利用发射天线选择策...     

基于GA-BP神经网络的城市用水量预测

城市用水准确的预测结果,对城市供水系统的控制具有直接的影响,而良好的城市用水控制系统不仅能够提高城市各个时段的供水效率,而且对城市人民生活幸福指数有较高的影响。该文设计通过分析传统的BP神经网络对城市用水量预测容易陷入局部误差极小,预测结果存在一定误差,提出在BP神经网络的基础上通过遗传算法优化BP神经网络进行城市用水量预测。通过设计GA-BP神经网络的具体结构,对已知的城市每日时用水量数据进行网络训练和学习。结果显示该模型具有一定的精度和适用性,预测结果可用于城市供水优化调度模型。     

基于BP神经网络的路面性能预测方法

文章提出了一种改进的BP算法以优化神经网络连接权，并把它应用于路面性能预测系统中，对路面性能进行预测。实验证明该网络具有广泛的映射能力和快速全局收敛性，具有良好的应用前景。     

基于图神经网络的视频推荐系统

提出了一种基于图神经网络的视频推荐模型,将用户的视频观看序列型行为建模为图结构,用结点代表用户与视频,用边代表行为,引入两种类型的向量传播方法分别对用户的长期兴趣与短时兴趣进行建模。其中,通过用户结点与视频结点的双向传播刻画长期兴趣,借助视频结点切换关系的单向传播刻画短时兴趣,并通过多层向量传播实现对图上高阶邻接信息的捕捉。在一个真实世界的视频网站观看数据集上的实验表明,提出的方法与现有最佳方法相比,其推荐精准度得到了有效提升。进一步的实验表明,该方法能够有效缓解数据稀疏性的问题。     

基于智能优化的神经网络数值预测方法研究

本文基于短波信号接收信噪比预测数据对BP网络、GA+BP网络和PSO+BP网络分别在不同数据量的情况下进行仿真实验,然后以均方误差和训练时间为性能参考选出最优的GA+BP网络算法,最终将该算法应用于短波信号接收信噪比预测系统。     

基于LM-BP神经网络的FlexRay总线系统的预测控制

为了提高汽车高速数据传输总线FlexRay车载网络的控制性能,确保FlexRay总线网络在大负载传输数据时控制系统工作的稳定性,提出一种基于Levenberg-Marquardt(LM)算法神经网络的FlexRay总线预测控制系统的方法。通过采样当前时刻的FlexRay车载网络的工作状态预测下一时刻车载网络的运行状态,以在线自适应调节任务工作量的方式适应车载网络系统中时刻变化的负载,提高FlexRay网络控制系统的可靠性和稳定性。仿真结果表明,LM-BP神经网络预测控制具有很好的自适应性和鲁棒性,有效提高了FlexRay车载网络的安全性和稳定性。     

基于双曲图注意力网络的知识图谱链路预测方法

现有的大多数知识表示学习模型孤立地看待每个知识三元组,未能发现和利用实体周围邻域特征信息,并且将树状层级结构的知识图谱嵌入到欧式空间,会带来嵌入式向量高度失真的问题。为解决上述问题,该文提出了一种基于双曲图注意力网络的知识图谱链路预测方法(HyGAT-LP)。首先将知识图谱嵌入到负常数曲率的双曲空间中,从而更契合知识图谱的树状层级结构;然后在所给实体领域内基于实体和关系两种层面的注意力机制聚合邻域特征信息,将实体嵌入到低维的双曲空间;最后利用得分函数计算每个三元组的得分值,并以此作为判定该三元组成立的依据完成知识图谱上的链路预测任务。实验结果表明,与基准模型相比,所提方法可显著提高知识图谱链路预测性能。     

基于神经网络的网络流量预测算法研究

网络流量预测有助于网络服务质量的提升和网络资源的合理分配,对优化网络管理与运营、保障用户体验质量至关重要.因特网业务的急剧增加和基础网络的快速发展导致网络流量变得更加复杂多样,传统网络流量预测模型难以保证较高的预测精度,而神经网络作为人工智能的重要分支,在预测复杂网络流量时具有显著优势.简述反向传播神经网络、径向基神经...     

基于关系图卷积神经网络的多标签事件预测

事件预测需要综合考虑的要素众多,现有预测模型多数存在数据稀疏、事件的组合特征及时序特征考虑不足、预测类型单一等问题。为此,提出了基于关系图卷积神经网络的多标签事件预测方法,通过节点特征聚合技术实现数据的稠密化表示。模型利用卷积神经网络的卷积和池化运算,提取预测数据的组合时间段特征信息,并结合长短期记忆网络的时序特征提取能力,进一步提取预测数据的时序规律特征;最后,模型通过全连接的多标签分类器,输出多种类型事件发生的概率值。实验结果表明,所提模型可以支持进行多日期、多类型事件预测,在特定数据集上最高F1值可以达到0.85。     

基于BP神经网络的温度预测方法

针对环境试验温度测量精度不高,测温延时较大的问题,提出了基于BP神经网络的温度预测方法。该方法通过测量瞬时温度变化率,利用BP神经网络的温度预测模型,对温度进行预测。在MATLAB中仿真表明,该方法对温度测量的精度有了明显的提高,对测温延时有了明显的改善。     

萤火虫优化神经网络的体育成绩预测模型

针对当前体育成绩预测模型的精度低、速度慢等缺陷,提出基于萤火虫优化神经网络的体育成绩预测模型。首先收集大量体育成绩数据,并对数据进行预处理,然后采用神经网络对体育成绩训练样本进行学习,并通过萤火虫优化算法对神经网络的阈值和权值等参数进行选择,建立最优的体育成绩预测模型,最后采用体育成绩数据对该模型的有效性和优越性进行对比测试。结果表明,该模型可以提高体育成绩预测精度,预测结果更加可靠,可以为体育训练提供有价值的信息。     

一种基于组合神经网络的HEVC帧间预测方法

高效视频编码(HEVC)作为最新视频编码标准,有着非常高的压缩效率,但是由于各种新技术的提出,其编码复杂度也大大提高。复杂度对视频编码有着重要意义,低复杂度编码的研究非常必要。利用神经网络进行HEVC的分区预测为低复杂度编码提供了有效的解决方案。文中提出了一种基于卷积神经网络(CNN)和长短期记忆网络(LSTM)的组合网络架构来对帧间分区进行预测的方法,利用自建数据库对网络进行训练;文中设计了一种预搜索模块来建立训练数据库,仿真结果表明,神经网络的精度可达87%,利用该网络架构进行帧间预测可以实现52%~71%的复杂度节省。     

基于神经网络的滚动轴承故障诊断智能方法

提出了基于神经网络的滚动轴承故障诊断方法.以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别.经过实验表明,该方法对于滚动轴承的故障诊断具有一定的应用价值, 并可方便地推广到其他类似的诊断领域.     

COLORED NOISE PREDICTION BASED ON NEURAL NETWORK

A method for predicting colored noise by introducing prediction of nonlinear time series is presented. By adopting three kinds of neural networks prediction models, the colored noise prediction is studied through changing the filter bandwidth for stochastic noise and the sampling rate for colored noise. The results show that colored noise can be predicted. The prediction error decreases with the increasing of the sampling rate or the narrowing of the filter bandwidth. If the parameters are selected properly, the prediction precision can meet the requirement of engineering implementation. The results offer a new reference way for increasing the ability for detecting weak signal in signal processing system.     

基于混合遗传神经网络的运动员专项成绩预测系统设计

针对传统运动员专项成绩预测系统一直存在无法达到实质性的综合预测的问题,提出并设计基于混合遗传神经网络的运动员专项成绩预测系统。通过混合遗传神经网络,导入运动员专项数据,根据系统内部节点间调整,对运动员专项数据信息进行处理,建立专项成绩灰色预测模型,实现运动员专项成绩预测。实验数据表明,所设计的成绩预测系统能够进行高精度的专项成绩预测。     

基于嵌入式向量和循环神经网络的用户行为预测方法

为了进一步描述时间因素对用户行为的影响,进而提高推荐系统的推荐效果,综合考虑了用户的长期行为特征和短期行为特征提出一种基于嵌入式向量和循环神经网络的用户行为预测方法。依据推荐系统中的所有用户行为数据,将用户和商品嵌入到相同的特征空间,并通过嵌入式向量反应用户的长期行为特征。针对每个用户,依据其历史行为的时间序列,基于循环神经网络建立该用户的行为预测模型,从而描述该用户的短期行为特征。实验结果表明,提出的方法与特征级时间序列分析等方法相比具有更好的推荐效果。     

基于小波神经网络的网络流量预测研究

主要采用小波神经网络的相关理论和方法对某小区网络的访问流量情况进行建模和预测。利用收集到的网络流量变化情况作为小波网络的训练样本,成功实现了该网络的流量预测。试验仿真结果表明,构建的小波神经网络模型可以很好地实现对网络流量的高精度预测。     

基于神经网络的洪水水位预测算法

鉴于洪水变化难以预料,及其给社会和人民群众带来的危害,提出一种新的洪水水位变化的预测算法.利用神经网络能以任意精度逼近非线性函数的特点,采用神经网络的有监督式学习,并将预测误差作为反馈来调整水位预测网络中的权值分布,以达到学习的目的.通过程序编程对此算法进行调试,得到了较理想的预测效果.