优化Elman神经网络用于网络流量预测

被引：7

作者：

余健 ^{[1
]}

郭平 ^{[2
]}

机构：

[1] 韩山师范学院数学与信息技术系

[2] 北京师范大学信息科学与技术学院

来源：

计算机工程与设计 | 2008年 / 17期

关键词：

艾尔曼; 量子粒子群优化; 神经网络; 网络流量; 预测;

D O I：

10.16208/j.issn1000-7024.2008.17.068

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

对量子粒子群优化(QPSO)算法进行研究,提出了自适应量子粒子群优化(Adaptive QPSO)算法,用于优化Elman神经网络的参数,改进了Elman神经网络的泛化能力。利用网络流量时间序列数据进行预测,实验结果表明,采用AQPSO算法优化获得的Elman神经网络模型不但具有较强的泛化能力,而且具有良好的稳定性,在网络流量时间序列数据的预测中具有一定的实用价值。

引用

页码：4531 / 4534

页数：4

共 5 条

[1]

自组织映射(SOM)聚类算法的研究 [J].