典型文献
基于注意力机制和长短期记忆神经网络的流量预测研究
文献摘要：
准确的流量预测提升通信网络技能、改善通信网络管理具有重要意义.考虑到长短期记忆(Long Short-Term Memory,LSTM)神经网络可解决长序列数据在训练过程中的存在梯度消失问题,采用LSTM作为长期流量预测的基准模型,为提高模型准确性,在LSTM模型的基础上,引入Attention机制(Attention mechanism,AM),通过映射加权和学习参数矩阵赋予LSTM隐含状态不同的权重,减少历史信息的丢失并加强重要信息的影响作用,以完成流量的预测.
文献关键词：
长短期记忆神经网络;注意力机制;网络流量预测;映射加权
中图分类号：
作者姓名：
李笑雪;蒋澄杰;马册;安津石;阙佳雄
作者机构：
沈阳航空航天大学电子信息工程学院, 辽宁 沈阳 110136
文献出处：
引用格式：
[1]李笑雪;蒋澄杰;马册;安津石;阙佳雄-.基于注意力机制和长短期记忆神经网络的流量预测研究)[J].电脑与信息技术,2022(01):14-16,20
A类：
映射加权
B类：
注意力机制,长短期记忆神经网络,预测研究,通信网络,网络管理,Long,Short,Term,Memory,序列数据,训练过程,梯度消失,Attention,mechanism,AM,加权和,学习参数,历史信息,重要信息,网络流量预测
AB值：
0.305637
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
