您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202012-74
论文题目 基于Dropout方法的回声状态网络的网络流量预测
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于Dropout方法的回声状态网络的网络流量预测

首发时间:2020-12-18

牟晓惠 1   

牟晓惠,女,神经网络

李丽香 1   

李丽香,女,教授,博导,主要研究方向有压缩感知、复杂网络、群体智能、网络安全

张嘉轩 1   
  • 1、北京邮电大学网络空间安全学院

摘要:本文提出一种基于Dropout方法的回声状态网络模型(Dropout ESN)。该模型避免了经典的回声状态网络所产生的储备池的随机性,降低了储备池内神经元的连接度,优化了储备池结构,解决了网络流量预测过程中容易出现的过拟合问题,同时也提高了网络的预测效率。将基于Dropout方法的回声状态网络应用到实际的网络流量预测任务中,设置了Dropout ESN的储备池内神经元以不同的概率停止工作,将经典的回声状态网络和基于Dropout方法的回声状态网络进行了对比,分析了两种算法对预测性能的影响。

关键词: 神经网络 回声状态网络 网络流量预测 Dropout方法

For information in English, please click here

Network Traffic Prediction of Echo State Network Based on Dropout

MU Xiaohui 1   

牟晓惠,女,神经网络

LI Lixiang 1   

李丽香,女,教授,博导,主要研究方向有压缩感知、复杂网络、群体智能、网络安全

ZHANG Jiaxuan 1   
  • 1、Beijing University of Posts and Telecommunications,School of Cyberspace Security

Abstract:In this paper,an echo state network model based on dropout method (dropout ESN) is proposed. The model avoids the randomness of the reservoir generated by the classical echo state network, reduces the connectivity of neurons in the reservoir, optimizes the structure of the reservoir, solves the over fitting problem in the process of network traffic prediction, and improves the prediction efficiency of the network. The echo state network based on dropout method is applied to the actual network traffic prediction task. The neurons in the reservoir of dropout ESN are set to stop working with different probability. The classic echo state network and the echo state network based on dropout method are compared, and the influence of the two algorithms on the prediction performance is analyzed.

Keywords: neural network echo state network network traffic prediction dropout

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
牟晓惠,李丽香,张嘉轩. 基于Dropout方法的回声状态网络的网络流量预测[EB/OL]. 北京:中国科技论文在线 [2020-12-18]. https://www.paper.edu.cn/releasepaper/content/202012-74.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于Dropout方法的回声状态网络的网络流量预测