智慧协同网络虚拟功能组件的服务策略优化系统设计与实现
发布时间：2021-07-20 20:18
由于原始设计的不完善,传统网络在灵活性、可管可控性等方面的问题随着互联网应用规模的急剧扩大变得愈发难以解决。为了从根源上解决传统网络在架构设计上的弊端,国内外启动了一系列重大项目对未来网络开展深入研究。智慧协同网络（SINET）作为一种新型网络架构,开创性地提出“三层”、“两域”体系模型,将负责数据路由和转发等实际功能的组件置于网络组件层,并通过资源适配层和智慧服务层的动态映射完成具体的网络服务。此外,随着人工智能技术的蓬勃发展,近年来学界和业界也越发关注如何用机器学习方法解决网络服务优化问题,将最新的智能技术与未来网络结合对推动智能网络的演进意义重大。本文在智慧协同网络体系下通过整合深度学习、强化学习等新兴人工智能技术,设计并实现一个服务策略优化系统,实现了对不同虚拟网络功能组件的服务策略优化。具体工作如下:首先,分析国内外对未来网络体系的研究现状,并介绍机器学习等人工智能技术在网络领域的应用现状,指出将智能技术与智慧协同网络整合的必要性和可行性。其次,对虚拟化智慧协同网络进行需求分析并对服务策略优化系统进行总体设计;设计网络特征获取模块,使系统具备从原始网络流量中获得高维特征的能力...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：107 页
【学位级别】：硕士
【部分图文】：
智惫协同网络架构
当下的“神经网络”是一个多学科交叉的学科领域，本文所提的神经网络指的??是“神经网络学习”，或者说是机器学习与神经网络这两个学科交叉的部分。人工??神经网络中的最基本单元是神经元模型，如图２－?２所示是一个１９４３年ＭｃＣｕｌｌｏｃｈ??提出并一直沿用至今的“Ｍ－Ｐ神经元模型”?［４６］，神经元Ｓ接受来自其他ｎ个神经??元的输入，在对输入叠加的时候给每个输入赋予一个权值ｑ．，神经元将收到的总??输入与阈值对比，最后通过激活函数的处理得到神经元的输出。??ＧＴ?８??图２－２?Ｍ－Ｐ神经元模型??Ｆｉｇｕｒｅ?２－?２?Ｎｅｕｒｏｎ?ｍｏｄｅｌ?ｏｆ?Ｍ－Ｐ??整个过程表达成式（２－１）。??ｙ＝ｆＣＺ！ｉ＝ｘ〇）ｉｘｉ－ｅ）?（２－１）??在人工神经元中，之所以需要有激活函数［４７］，不仅是要模拟生物神经元“冲??动”和“非冲动”这种二元状态特性，另一方面也是为了给模型增加非线性因素。??如果仅是对输入进行线性叠加，无论叠加多少神经元，通过数学证明可知它都总相??当于一个线性模型，这样对于模型的表征能力没有任何提升。??８??
??阶跃函数是理想的激活函数，如图２－?３（ａ）所示它将输入映射为“０”或者“?１?”。??然而，因为阶跃函数不连续、零点处不可导，不适用于模型的参数训练过程。因此??实际工程中经常用图２－?３（ｂ）所示的Ｓｉｇｍｏｉｄ函数作为激活函数。除了?Ｓｉｇｍｏｉｄ函??数，还有一些其他的常用激活函数可供选择，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）??图２－３典型神经元激活函数??Ｆｉｇｕｒｅ?２－?３?Ｔｙｐｉｃａｌ?ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎｓ??将多个上述神经元按照特定的层次结构连接、堆叠，即可获得祌经网络。如图??２－４所示是一个简单的神经网络，网络的最左侧为输入层，由两个神经元构成，表??示神经网络接受两个数值作为输入。中间一列神经元构成神经网络的隐藏层，它和??左侧输入层以及右侧的输出层神经元两两相连，没有跨层也没有同层互联，是一种??全连接的构成方式。根据前述单个神经元的数学表征
【参考文献】：
期刊论文
[1]移动边缘计算场景下网络服务灵活适配的解决方案[J]. 冯博昊,周华春. 电信科学. 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]智慧协同标识网络[J]. 张宏科,陈哲. 中兴通讯技术. 2014(04)
[4]未来互联网络及其应用——智慧标识网络[J]. 张宏科,贾濡. 科研信息化技术与应用. 2014(01)
[5]ICN中的一种协作缓存机制[J]. 刘外喜,余顺争,蔡君,高鹰. 软件学报. 2013(08)
[6]智慧协同网络中的服务机理研究[J]. 苏伟,陈佳,周华春,张宏科. 电子学报. 2013(07)
[7]智慧网络组件协同机制研究[J]. 郜帅,王洪超,王凯,张宏科. 电子学报. 2013(07)
[8]可演进的新一代互联网体系结构研究进展[J]. 吴建平,林嵩,徐恪,刘莹,朱敏. 计算机学报. 2012(06)
[9]ICN体系结构与技术研究[J]. 李军,陈震,石希. 信息网络安全. 2012(04)
[10]新一代互联网体系结构理论研究进展[J]. 吴建平,刘莹,吴茜. 中国科学（E辑:信息科学）. 2008(10)
博士论文
[1]智慧协同一体化网络服务适配机制研究[D]. 冯博昊.北京交通大学 2017
本文编号：3293523
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：107 页
【学位级别】：硕士
【部分图文】：
智惫协同网络架构
当下的“神经网络”是一个多学科交叉的学科领域，本文所提的神经网络指的??是“神经网络学习”，或者说是机器学习与神经网络这两个学科交叉的部分。人工??神经网络中的最基本单元是神经元模型，如图２－?２所示是一个１９４３年ＭｃＣｕｌｌｏｃｈ??提出并一直沿用至今的“Ｍ－Ｐ神经元模型”?［４６］，神经元Ｓ接受来自其他ｎ个神经??元的输入，在对输入叠加的时候给每个输入赋予一个权值ｑ．，神经元将收到的总??输入与阈值对比，最后通过激活函数的处理得到神经元的输出。??ＧＴ?８??图２－２?Ｍ－Ｐ神经元模型??Ｆｉｇｕｒｅ?２－?２?Ｎｅｕｒｏｎ?ｍｏｄｅｌ?ｏｆ?Ｍ－Ｐ??整个过程表达成式（２－１）。??ｙ＝ｆＣＺ！ｉ＝ｘ〇）ｉｘｉ－ｅ）?（２－１）??在人工神经元中，之所以需要有激活函数［４７］，不仅是要模拟生物神经元“冲??动”和“非冲动”这种二元状态特性，另一方面也是为了给模型增加非线性因素。??如果仅是对输入进行线性叠加，无论叠加多少神经元，通过数学证明可知它都总相??当于一个线性模型，这样对于模型的表征能力没有任何提升。??８??
??阶跃函数是理想的激活函数，如图２－?３（ａ）所示它将输入映射为“０”或者“?１?”。??然而，因为阶跃函数不连续、零点处不可导，不适用于模型的参数训练过程。因此??实际工程中经常用图２－?３（ｂ）所示的Ｓｉｇｍｏｉｄ函数作为激活函数。除了?Ｓｉｇｍｏｉｄ函??数，还有一些其他的常用激活函数可供选择，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）??图２－３典型神经元激活函数??Ｆｉｇｕｒｅ?２－?３?Ｔｙｐｉｃａｌ?ａｃｔｉｖａｔｉｏｎ?ｆｕｎｃｔｉｏｎｓ??将多个上述神经元按照特定的层次结构连接、堆叠，即可获得祌经网络。如图??２－４所示是一个简单的神经网络，网络的最左侧为输入层，由两个神经元构成，表??示神经网络接受两个数值作为输入。中间一列神经元构成神经网络的隐藏层，它和??左侧输入层以及右侧的输出层神经元两两相连，没有跨层也没有同层互联，是一种??全连接的构成方式。根据前述单个神经元的数学表征
【参考文献】：
期刊论文
[1]移动边缘计算场景下网络服务灵活适配的解决方案[J]. 冯博昊,周华春. 电信科学. 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]智慧协同标识网络[J]. 张宏科,陈哲. 中兴通讯技术. 2014(04)
[4]未来互联网络及其应用——智慧标识网络[J]. 张宏科,贾濡. 科研信息化技术与应用. 2014(01)
[5]ICN中的一种协作缓存机制[J]. 刘外喜,余顺争,蔡君,高鹰. 软件学报. 2013(08)
[6]智慧协同网络中的服务机理研究[J]. 苏伟,陈佳,周华春,张宏科. 电子学报. 2013(07)
[7]智慧网络组件协同机制研究[J]. 郜帅,王洪超,王凯,张宏科. 电子学报. 2013(07)
[8]可演进的新一代互联网体系结构研究进展[J]. 吴建平,林嵩,徐恪,刘莹,朱敏. 计算机学报. 2012(06)
[9]ICN体系结构与技术研究[J]. 李军,陈震,石希. 信息网络安全. 2012(04)
[10]新一代互联网体系结构理论研究进展[J]. 吴建平,刘莹,吴茜. 中国科学（E辑:信息科学）. 2008(10)
博士论文
[1]智慧协同一体化网络服务适配机制研究[D]. 冯博昊.北京交通大学 2017
本文编号：3293523
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/3293523.html
