NeuTM：一种基于神经网络的SDN流量矩阵预测框架
网络与互联网体系结构
2017-10-19 v1
摘要
本文提出NeuTM，一种基于长短期记忆循环神经网络(LSTM RNNs)的网络流量矩阵(TM)预测框架。TM预测被定义为根据既往和已获得的网络流量数据估算未来网络流量矩阵的问题。它广泛应用于网络规划、资源管理与网络安全。长短期记忆(LSTM)是一种特定的循环神经网络(RNN)架构，非常适于从数据中学习并对具有未知大小时间滞后的时间序列进行分类或预测。已证明LSTM比传统RNN更准确地建模长程依赖。NeuTM是一种基于LSTM RNN、用于大型网络TM预测的框架。通过在来自GEEANT网络的真实数据上验证我们的框架，我们表明模型收敛迅速并给出了最先进的TM预测性能。
引用
@article{arxiv.1710.06799,
title = {NeuTM: A Neural Network-based Framework for Traffic Matrix Prediction in SDN},
author = {Abdelhadi Azzouni and Guy Pujolle},
journal= {arXiv preprint arXiv:1710.06799},
year = {2017}
}
备注
Submitted to NOMS18. arXiv admin note: substantial text overlap with arXiv:1705.05690