汇总网络行为预测
机器学习
2017-05-04 v1 机器学习
摘要
本工作从海量网络日志中研究实体级的主题行为。利用结合循环神经网络 (RNN) 和卷积神经网络 (CNN) 的学习架构，探索了该行为的时间关系和空间关系。为了使行为数据适用于 CNN 中的空间学习，采取了若干降维步骤以形成主题度量，并将其如同图像中的像素一样均匀地放置。实验结果显示，与多层感知机 (MLP) 网络相比，获得了时间和空间两方面的增益。引入了一种称为空间连接卷积网络 (SCCN) 的新学习框架，以更高效地预测该行为。
引用
@article{arxiv.1705.01143,
title = {Summarized Network Behavior Prediction},
author = {Shih-Chieh Su},
journal= {arXiv preprint arXiv:1705.01143},
year = {2017}
}