由于原始設(shè)計(jì)的不完善,傳統(tǒng)網(wǎng)絡(luò)在靈活性、可管可控性等方面的問題隨著互聯(lián)網(wǎng)應(yīng)用規(guī)模的急劇擴(kuò)大變得愈發(fā)難以解決。為了從根源上解決傳統(tǒng)網(wǎng)絡(luò)在架構(gòu)設(shè)計(jì)上的弊端,國(guó)內(nèi)外啟動(dòng)了一系列重大項(xiàng)目對(duì)未來(lái)網(wǎng)絡(luò)開展深入研究。智慧協(xié)同網(wǎng)絡(luò)（SINET）作為一種新型網(wǎng)絡(luò)架構(gòu),開創(chuàng)性地提出“三層”、“兩域”體系模型,將負(fù)責(zé)數(shù)據(jù)路由和轉(zhuǎn)發(fā)等實(shí)際功能的組件置于網(wǎng)絡(luò)組件層,并通過資源適配層和智慧服務(wù)層的動(dòng)態(tài)映射完成具體的網(wǎng)絡(luò)服務(wù)。此外,隨著人工智能技術(shù)的蓬勃發(fā)展,近年來(lái)學(xué)界和業(yè)界也越發(fā)關(guān)注如何用機(jī)器學(xué)習(xí)方法解決網(wǎng)絡(luò)服務(wù)優(yōu)化問題,將最新的智能技術(shù)與未來(lái)網(wǎng)絡(luò)結(jié)合對(duì)推動(dòng)智能網(wǎng)絡(luò)的演進(jìn)意義重大。本文在智慧協(xié)同網(wǎng)絡(luò)體系下通過整合深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等新興人工智能技術(shù),設(shè)計(jì)并實(shí)現(xiàn)一個(gè)服務(wù)策略優(yōu)化系統(tǒng),實(shí)現(xiàn)了對(duì)不同虛擬網(wǎng)絡(luò)功能組件的服務(wù)策略優(yōu)化。具體工作如下:首先,分析國(guó)內(nèi)外對(duì)未來(lái)網(wǎng)絡(luò)體系的研究現(xiàn)狀,并介紹機(jī)器學(xué)習(xí)等人工智能技術(shù)在網(wǎng)絡(luò)領(lǐng)域的應(yīng)用現(xiàn)狀,指出將智能技術(shù)與智慧協(xié)同網(wǎng)絡(luò)整合的必要性和可行性。其次,對(duì)虛擬化智慧協(xié)同網(wǎng)絡(luò)進(jìn)行需求分析并對(duì)服務(wù)策略優(yōu)化系統(tǒng)進(jìn)行總體設(shè)計(jì);設(shè)計(jì)網(wǎng)絡(luò)特征獲取模塊,使系統(tǒng)具備從原始網(wǎng)絡(luò)流量中獲得高維特征的能力... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：107 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

智憊協(xié)同網(wǎng)絡(luò)架構(gòu)

當(dāng)下的“神經(jīng)網(wǎng)絡(luò)”是一個(gè)多學(xué)科交叉的學(xué)科領(lǐng)域，本文所提的神經(jīng)網(wǎng)絡(luò)指的??是“神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)”，或者說是機(jī)器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)這兩個(gè)學(xué)科交叉的部分。人工??神經(jīng)網(wǎng)絡(luò)中的最基本單元是神經(jīng)元模型，如圖２－?２所示是一個(gè)１９４３年ＭｃＣｕｌｌｏｃｈ??提出并一直沿用至今的“Ｍ－Ｐ神經(jīng)元模型”?［４６］，神經(jīng)元Ｓ接受來(lái)自其他ｎ個(gè)神經(jīng)??元的輸入，在對(duì)輸入疊加的時(shí)候給每個(gè)輸入賦予一個(gè)權(quán)值ｑ．，神經(jīng)元將收到的總??輸入與閾值對(duì)比，最后通過激活函數(shù)的處理得到神經(jīng)元的輸出。??ＧＴ?８??圖２－２?Ｍ－Ｐ神經(jīng)元模型??Ｆｉｇｕｒｅ?２－?２?Ｎｅｕｒｏｎ?ｍｏｄｅｌ?ｏｆ?Ｍ－Ｐ??整個(gè)過程表達(dá)成式（２－１）。??ｙ＝ｆＣＺ�。椋剑枺椋椋澹�?（２－１）??在人工神經(jīng)元中，之所以需要有激活函數(shù)［４７］，不僅是要模擬生物神經(jīng)元“沖??動(dòng)”和“非沖動(dòng)”這種二元狀態(tài)特性，另一方面也是為了給模型增加非線性因素。??如果僅是對(duì)輸入進(jìn)行線性疊加，無(wú)論疊加多少神經(jīng)元，通過數(shù)學(xué)證明可知它都總相??當(dāng)于一個(gè)線性模型，這樣對(duì)于模型的表征能力沒有任何提升。??８??

??階躍函數(shù)是理想的激活函數(shù)，如圖２－?３（ａ）所示它將輸入映射為“０”或者“?１?”。??然而，因?yàn)殡A躍函數(shù)不連續(xù)、零點(diǎn)處不可導(dǎo)，不適用于模型的參數(shù)訓(xùn)練過程。因此??實(shí)際工程中經(jīng)常用圖２－?３（ｂ）所示的Ｓｉｇｍｏｉｄ函數(shù)作為激活函數(shù)。除了?Ｓｉｇｍｏｉｄ函??數(shù)，還有一些其他的常用激活函數(shù)可供選擇，例如ｔａｎｈ、ＲｅＬＵ和ＬｅａｋｙＲｅＬＵ。??“肪?１?■???????１０?，???１?攸卜／??０．５－?ｊ??—ｈ－—＋■■■■■…■……ｉ?￥—?１?１?！???？２?－１．５?－１?－０．５?０．５?ｌ?Ｌ５?２?０６????－８?－４－２?０?２?Ａ?６?ａ??（ａ）?（ｂ）??圖２－３典型神經(jīng)元激活函數(shù)??Ｆｉｇｕｒｅ?２－?３?Ｔｙｐｉｃａｌ?ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎｓ??將多個(gè)上述神經(jīng)元按照特定的層次結(jié)構(gòu)連接、堆疊，即可獲得祌經(jīng)網(wǎng)絡(luò)。如圖??２－４所示是一個(gè)簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的最左側(cè)為輸入層，由兩個(gè)神經(jīng)元構(gòu)成，表??示神經(jīng)網(wǎng)絡(luò)接受兩個(gè)數(shù)值作為輸入。中間一列神經(jīng)元構(gòu)成神經(jīng)網(wǎng)絡(luò)的隱藏層，它和??左側(cè)輸入層以及右側(cè)的輸出層神經(jīng)元兩兩相連，沒有跨層也沒有同層互聯(lián)，是一種??全連接的構(gòu)成方式。根據(jù)前述單個(gè)神經(jīng)元的數(shù)學(xué)表征

【參考文獻(xiàn)】：
期刊論文
[1]移動(dòng)邊緣計(jì)算場(chǎng)景下網(wǎng)絡(luò)服務(wù)靈活適配的解決方案[J]. 馮博昊,周華春.  電信科學(xué). 2019(03)
[2]AI for 5G: research directions and paradigms[J]. Xiaohu YOU,Chuan ZHANG,Xiaosi TAN,Shi JIN,Hequan WU.  Science China（Information Sciences）. 2019(02)
[3]智慧協(xié)同標(biāo)識(shí)網(wǎng)絡(luò)[J]. 張宏科,陳哲.  中興通訊技術(shù). 2014(04)
[4]未來(lái)互聯(lián)網(wǎng)絡(luò)及其應(yīng)用——智慧標(biāo)識(shí)網(wǎng)絡(luò)[J]. 張宏科,賈濡.  科研信息化技術(shù)與應(yīng)用. 2014(01)
[5]ICN中的一種協(xié)作緩存機(jī)制[J]. 劉外喜,余順爭(zhēng),蔡君,高鷹.  軟件學(xué)報(bào). 2013(08)
[6]智慧協(xié)同網(wǎng)絡(luò)中的服務(wù)機(jī)理研究[J]. 蘇偉,陳佳,周華春,張宏科.  電子學(xué)報(bào). 2013(07)
[7]智慧網(wǎng)絡(luò)組件協(xié)同機(jī)制研究[J]. 郜帥,王洪超,王凱,張宏科.  電子學(xué)報(bào). 2013(07)
[8]可演進(jìn)的新一代互聯(lián)網(wǎng)體系結(jié)構(gòu)研究進(jìn)展[J]. 吳建平,林嵩,徐恪,劉瑩,朱敏.  計(jì)算機(jī)學(xué)報(bào). 2012(06)
[9]ICN體系結(jié)構(gòu)與技術(shù)研究[J]. 李軍,陳震,石希.  信息網(wǎng)絡(luò)安全. 2012(04)
[10]新一代互聯(lián)網(wǎng)體系結(jié)構(gòu)理論研究進(jìn)展[J]. 吳建平,劉瑩,吳茜.  中國(guó)科學(xué)（E輯:信息科學(xué)）. 2008(10)

博士論文
[1]智慧協(xié)同一體化網(wǎng)絡(luò)服務(wù)適配機(jī)制研究[D]. 馮博昊.北京交通大學(xué) 2017



本文編號(hào)：3293523