文摘
英文文摘
声明
第1章绪论
1.1人工神经网络概述
1.1.1人工神经网络
1.1.2人工神经网络的研究
1.1.3人工神经网络的学习方式
1.2多层前向网络
1.2.1 M-P模型
1.2.2感知器
1.2.3自适应线性单元
1.2.4多层感知器
1.2.5函数连接网络
1.2.6径向基函数网络
1.2.7学习理论的发展
1.3网络流量简介
1.3.1网络流量国内外研究现状
1.3.2网络流量预测意义
1.4结论
1.5本文的主要工作
第2章BP神经网络模型及其学习算法
2.1 BP神经网络简介
2.1.1 BP网络学习过程
2.1.2 BP算法(反向传播算法)
2.2 BP网络学习中应注意的问题
2.2.1学习率η的选择
2.2.2激活函数f(x)的选择
2.2.3初始权值的选取
2.2.4局部极小问题
2.2.5训练的串行和集中方式
2.2.6隐含层个数
2.2.7隐含层单元个数
2.3 BP算法性能改进措施
2.4本章小结
第3章网络流量预测系统简介
3.1网络流量预测概述
3.1.1网络流量预测的基本原理
3.1.2网络流量预测的特点
3.2相关技术介绍
3.2.1简单网络管理协议(SNMP)
3.2.2网络流量监测软件(MRGT)
3.2.3 MRTG的配置与应用
3.3.4 RRD数据库
3.3网络流量预测系统的结构设计
3.3.1流量采集模块介绍
3.3.2流量图生成模块介绍
3.3.3网络流量预测模块
3.4本章小结
第4章网络流量预测模型的设计与实现
4.1流量预测模型总体设计
4.1.1网络流量时序分析
4.1.2网络节点端口流量的引入
4.1.3预测对象的确立
4.1.4预测模型结构设计
4.1.5带宽占有率预测模型流程图
4.2 BP网络拓扑结构的设计
4.3构建模型的几个参数的设定
4.3.1神经元的激励函数的选定
4.3.2权值、阈值的初始值域的确定
4.3.3网络学习速率的确定
4.4 BP算法的设计
4.4.1基本BP算法
4.4.2 BP算法的流程
4.4.3本文的BP改进算法方法
4.5预测模型的结果评价
4.6本章小结
第5章实验与应用
5.1 BP网络性能实验与实验数据结果分析
5.1.1数据的选择和样本的准备
5.1.2实验结果及结论
5.2预测模型结果分析
5.2.1训练误差分析
5.2.2预测效果分析
5.3预测模型在网络流量预测系统中的应用
5.4本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
哈尔滨工程大学;