网络流量预测的背景
网络流量为指定时间内通过网络或网络端口的数据大小,各个网络节点都是有瓶颈的,当流量达到或超过节点的瓶颈时,网络服务已经收到了不同程度的影响。建立网络流量模型,通过模型预测将来可能超过瓶颈的的时间和可能性,便可以预先采取一定的防护措施,如大节点的流量切换;另外由于各个节点的计费方式和价格也不同,我们可以依据预测的流量在不影响用户体验的情况下把代价高的流量切换到代价低的节点上,减少带宽的支出。
人工神经网络
人工神经网络是一个能够自动学习总结归纳的协同,它能够通过已知的数据来学习和归纳,对局部的情况对照比较能推理产生一个自动识别的系统。
通常来说人工神经网络是有一个多层神经元结构组成的网络结构,本例中使用的是多层结构的前馈网络,它由三部分组成
- 输入层(Input layer),众多神经元(Neuron)接受大量非线形输入信息。输入的信息称为输入向量。
- 输出层(Output layer),信息在神经元链接中传输、分析、权衡,形成输出结果。输出的信息称为输出向量。
- 隐藏层(Hidden layer),简称“隐层”,是输入层和输出层之间众多神经元和链接组成的各个层面。隐层可以有多层,习惯上会用一层。隐层的节点(神经元)数目不定,但数目越多神经网络的非线性越显著,从而神经网络的强健性(robustness)(控制系统在一定结构、大小等的参数摄动下,维持某些性能的特性。)更显著。
- 输出个数最要是看你怎么来看结果了。比如你可以用一个神经元,取值为1-20来表示每个类,也可以用5个神经元,用二进制来表示一类,比如第5类,为00101,还可以用20个神经元来表示等等
- 神经网络输入层神经元