首页 | 本学科首页   官方微博 | 高级检索  
     

基于图卷积神经网络的大规模软件定义网络流量预测模型
引用本文:张国明.基于图卷积神经网络的大规模软件定义网络流量预测模型[J].微电子学与计算机,2024(4):96-103.
作者姓名:张国明
作者单位:广东工商职业技术大学计算机学院
摘    要:为了提高大规模软件定义网络流量预测的准确率,研究基于图卷积神经网络的大规模软件定义网络流量预测模型。构建包含图卷积神经网络(Graph Convolution Neural Network, GCN)层、门控递归单元(Gating Recursive Unit, GRU)层及自注意力机制层的流量预测模型。通过GCN层与GRU层分别重构与更新网络流量的空间与时间特征;将两种特征共同输入自注意力机制层,经整合与加权平均运算后,获得网络流量预测值输出,实现大规模软件定义网络流量预测。实验结果显示,该模型可精准预测大规模软件定义网络流量,降低所应用网络的通信丢包率与通信延时,实现高质量高时效的网络数据传输,保障大规模软件定义网络的智能流量通信。

关 键 词:图卷积神经网络  软件定义网络  流量预测  门控递归  注意力机制  时间特征
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号