一种数据预测方法和装置制造方法及图纸

本发明专利技术提供一种数据预测方法和装置，涉及计算机网络领域，能够提高数据的预测速度和精度。其方法为：在回声状态网络中的动态池神经元中引入邻接反馈，构建环形邻接反馈动态池，训练所述回声状态网络，而后利用该回声状态网络进行数据预测。本发明专利技术实施例用于利用该回声状态网络进行数据预测。

【技术实现步骤摘要】
一种数据预测方法和装置
本专利技术涉及计算机网络领域，尤其涉及一种数据预测方法和装置。
技术介绍
网络流量，尤其是视频流量，具有很强的自相似性和突发性。网络流量预测在加强 网络管控、提高网络资源利用率、防范大规模网络攻击及网络故障等方面发挥着至关重要 的作用，通过对网络流量的预测，可以获取未来网络流量的变化趋势，实现对网络的拥塞控 制，并为网络资源的合理分配提供有效的依据。同时，还可以探测到潜在的网络威胁、故障 等，实现网络的入侵检测和故障管理。 在现有技术中，传统的递归神经网络是一种理想的非线性时间序列预测工具，采 用误差梯度下降法训练该网络，现已广泛应用于网络视频流量预测。 在实现上述视频流量预测的过程中，专利技术人发现现有技术中至少存在如下问题： 误差梯度下降法对递归神经网络的连接权的修改是逐步实现的，可能会出现梯度 信息退化，从而无法保证算法的收敛性，从而无法保证预测精度； 训练算法的权值更新过程计算量非常大。通常情况下，由于需要循环对某些权值 进行更新，使得网络的训练需要时间过多，导致预测的速度过慢，致使梯度下降算法一般只 能应用于规模比较小的递归神经网络的训练。
技术实现思路
本专利技术的实施例提供一种视频流量预测方法和装置，能够提高数据的预测速度和 预测精度。 为达到上述目的，本专利技术的实施例采用如下技术方案： 第一方面，提供一种数据预测方法，所述方法包括： 获取输入数据； 将所述输入数据输入到回声状态网络中，其中，所述回声状态网络中的动态池神 经元依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，所述 动态池第二神经元向所述动态池第一神经元反馈数据，所述动态池第一神经元与所述动态 池第二神经元相邻； 通过所述回声状态网络获取预测数据。 第二方面，提供一种数据预测装置，所述装置包括： 输入数据获取单元，用于获取输入数据； 预测单元，用于在所述输入数据获取单元获取所述输入数据后，将所述输入数据 输入到回声状态网络中，其中，所述回声状态网络中的动态池神经元依次相连接形成环状 拓扑，且动态池第一神经元向动态池第二神经元传递数据，所述动态池第二神经元向所述 动态池第一神经元反馈数据，所述动态池第一神经元与所述动态池第二神经元相邻； 通过所述回声状态网络获取预测数据。 本专利技术实施例提供一种数据预测方法和装置，首先利用训练数据训练回声状态 网络，所述回声状态网络中的动态池神经元依次相连接形成环状拓扑，且动态池第一神经 元向动态池第二神经元传递数据，所述动态池第二神经元向所述动态池第一神经元反馈数 据，所述动态池第一神经元与所述动态池第二神经元相邻，而后将输入数据输入到经过训 练后的回声状态网络中，从而获得预测数据，能够提高数据预测速度和预测精度。 【附图说明】 为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。 图1为本专利技术实施例提供的一种数据预测方法流程示意图一； 图2为本专利技术实施例提供的一种数据预测方法流程示意图二； 图3为本专利技术提供的一种回声状态网络的结构示意图； 图4为本专利技术提供的一种数据预测装置的结构示意图一； 图5为本专利技术提供的一种数据预测装置的结构示意图二； 图6为本专利技术提供的一种数据预测装置的结构示意图三； 图7为本专利技术提供的一种数据预测装置的结构示意图四。 【具体实施方式】 下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于 本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本专利技术保护的范围。 本专利技术实施例提供一种数据预测方法，如图1所示，所述方法包括： S101、获取输入数据。 S102、将输入数据输入到回声状态网络中，其中，回声状态网络中的动态池神经元 依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，动态池第 二神经元向动态池第一神经元反馈数据，动态池第一神经元与动态池第二神经元相邻。 S103、通过回声状态网络获取预测数据。 本专利技术实施例提供一种数据预测方法，首先利用训练数据训练回声状态网络，回 声状态网络中的动态池神经元依次相连接形成环状拓扑，且动态池第一神经元向动态池第 二神经元传递数据，动态池第二神经元向动态池第一神经元反馈数据，动态池第一神经元 与动态池第二神经元相邻，而后将输入数据输入到经过训练后的回声状态网络中，从而获 得预测数据，能够提高数据预测速度和预测精度。 本专利技术实施例提供一种数据预测方法，如图2所示，方法包括： S201、建立新型回声状态网络预测模型。 具体的，可通过以下方法实现： 该回声状态网络分为三层，如图3所示，即输入层、动态池和输出层，输入层 由K个输入单元U (t) = (U1 (t)，U2 (t)，….，uK (t))τ组成，动态池由N个动态池神经元 叉(1:)=(叉1(1:)，叉2(1:)，*，叉1<(1:)) 1'组成,输出层由1^个输出单元7(1:) = (71(1:)，72(1:)，*，71；(1:)) Τ组成； 在输入层与动态池间建立连接权值矩阵Win，动态池内部神经元之间建立连接权值 矩阵 W，动态池与输出层间建立连接权值矩阵W°ut ; 该模型具有一个确定的动态池结构，其中的神经元以环形方式相连，并且每个神 经元与其之前的神经元通过邻接反馈的方式连接。构建的环形反馈动态池的内部权值矩阵 W具有以下对称特征： 对于任意的i=l, 2, ·，Ν,子对角线\?+1=；Γ,Ι 1+1」=1·,右上角元素 W1J=I,左下角元 素 Wiu=!*,其中 r e (〇, 1)。 示例性的，当动态池的规模N=5时，其内部权值矩阵W可表示为：本文档来自技高网...

【技术保护点】
一种数据预测方法，其特征在于，所述方法包括：获取输入数据；将所述输入数据输入到回声状态网络中，其中，所述回声状态网络中的动态池神经元依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，所述动态池第二神经元向所述动态池第一神经元反馈数据，所述动态池第一神经元与所述动态池第二神经元相邻；通过所述回声状态网络获取预测数据。

【技术特征摘要】
1. 一种数据预测方法，其特征在于，所述方法包括： 获取输入数据； 将所述输入数据输入到回声状态网络中，其中，所述回声状态网络中的动态池神经元 依次相连接形成环状拓扑，且动态池第一神经元向动态池第二神经元传递数据，所述动态 池第二神经元向所述动态池第一神经元反馈数据，所述动态池第一神经元与所述动态池第 二神经元相邻； 通过所述回声状态网络获取预测数据。2. 根据权利要求1所述方法，其特征在于，所述回声状态网络包括输入层、所述动态池 和输出层，所述输入层包括输入单元，所述动态池包括动态池神经元，所述输出层包括输出 单元； 在所述输入层和所述动态池之间建立第一连接权值矩阵，在所述动态池神经元之间建 立第二连接权值矩阵，在所述动态池与所述输出层之间建立第三连接权值矩阵； 所述第一连接权值矩阵的子对角线\?+1=Γ，Wi+u=!·，右上角元素\Ν=Γ，左下角元素Wju=!·，其中，W表示所述第一连接权值矩阵，re(〇,I)，i表示大于零的自然数，N表示所述 第一连接权值矩阵的维数； 所述输入层包括至少一个输入单元，所述输出层包括至少一个输出单元； 所述输入层和所述输出层支持单输入单输出、单输入多输出、多输入单输出和多输入 多输出的输入输出方式。3. 根据权利要求1所述方法，其特征在于，在将所述输入数据输入到回声状态网络之 前，所述方法还包括： 设置所述第一权值矩阵和所述第二权值矩阵的元素值，其中，所述第一权值矩阵和所 述第二权值矩阵中的非零元素的绝对值相等； 通过随机方法或混沌映射logistic方法获取所述第一权值矩阵的元素值的符号； 获取训练数据，所述获取训练数据，包括根据所述输入数据的特点及预测的需求，构建 所述训练数据的长度和预测步数，获取所述训练数据； 利用所述训练数据训练所述回声状态网络，所述利用所述训练数据训练所述回声状态 网络，包括输入所述训练数据，所述回声状态网络按照以下公式更新所述动态池神经元状 态： X(n+1)=f(ffmu(η+1)+Wx(η)), 其中，χ(η)表示所述动态池神经元，Win表示所述第一连接权值矩阵，W表示所述第二连 接权值矩阵，u(η)表示所述训练数据，f表示所述动态池神经元的激励函数，所述激励函数 包括双正切函数、其他S型函数和恒等函数； 根据岭回归的方法，按照如下公式优化所述第三连接权值矩阵： Wout= (ΧΤΧ+λ2I) ^1Xt7, 其中，W°ut表示所述第三连接权值矩阵，I表示恒等矩阵，λ表示惩罚因子，y表示期望 输出值，X表示所述动态池神经元状态。4. 根据权利要求3所述方法，其特征在于，在利用所述训练数据训练所述回声状态网 络之前，所述方法还包括： 设置所述动态池的规模、所述第二连接权值矩阵的谱半径、输入伸缩尺度和所述动态 池的稀疏度。5. 根据权利要求1所述方法，其特征在于，所述通过所述回声状态网络获取预测数据 包括： 通过以下公式获取所述预测数据： y{n+1) =W'x{n+1), 其中，χ(η)表示所述输入数据，$(11)表示所述预测数据，W°ut表示所述第三连接权值矩 阵； 利用所述回声状态网络对所述输入数据进行多步预测。6. -种视频流量预测装置，其特征在于，所述装置包括： 输入数据获取单元，用于获取...

【专利技术属性】
技术研发人员：崔鸿雁，孙晓川，蔡云龙，柴源，刘韵洁，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11