由于原始設(shè)計的不完善,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)應用規(guī)模的急劇擴大變得愈發(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)計上的弊端,國內(nèi)外啟動了一系列重大項目對未來網(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,將負責數(shù)據(jù)路由和轉(zhuǎn)發(fā)等實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層的動態(tài)映射完成具體的網(wǎng)絡(luò)服務。此外,隨著人工智能技術(shù)的蓬勃發(fā)展,近年來學界和業(yè)界也越發(fā)關(guān)注如何用機器學習方法解決網(wǎng)絡(luò)服務優(yōu)化問題,將最新的智能技術(shù)與未來網(wǎng)絡(luò)結(jié)合對推動智能網(wǎng)絡(luò)的演進意義重大。本文在智慧協(xié)同網(wǎng)絡(luò)體系下通過整合深度學習、強化學習等新興人工智能技術(shù),設(shè)計并實現(xiàn)一個服務策略優(yōu)化系統(tǒng),實現(xiàn)了對不同虛擬網(wǎng)絡(luò)功能組件的服務策略優(yōu)化。具體工作如下:首先,分析國內(nèi)外對未來網(wǎng)絡(luò)體系的研究現(xiàn)狀,并介紹機器學習等人工智能技術(shù)在網(wǎng)絡(luò)領(lǐng)域的應用現(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,對虛擬化智慧協(xié)同網(wǎng)絡(luò)進行需求分析并對服務策略優(yōu)化系統(tǒng)進行總體設(shè)計;設(shè)計網(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... 

【文章來源】：北京交通大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：107 頁

【學位級別】：碩士

【部分圖文】：

智憊協(xié)同網(wǎng)絡(luò)架構(gòu)

當下的“神經(jīng)網(wǎng)絡(luò)”是一個多學科交叉的學科領(lǐng)域，本文所提的神經(jīng)網(wǎng)絡(luò)指的??是“神經(jīng)網(wǎng)絡(luò)學習”，或者說是機器學習與神經(jīng)網(wǎng)絡(luò)這兩個學科交叉的部分。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接受來自其他ｎ個神經(jīng)??元的輸入，在對輸入疊加的時候給每個輸入賦予一個權(quán)值ｑ．，神經(jīng)元將收到的總??輸入與閾值對比，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??整個過程表達成式（２－１）。??ｙ＝ｆＣＺ！ｉ＝ｘ〇）ｉｘｉ－ｅ）?（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”和“非沖動”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。??如果僅是對輸入進行線性疊加，無論疊加多少神經(jīng)元，通過數(shù)學證明可知它都總相??當于一個線性模型，這樣對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，因為階躍函數(shù)不連續(xù)、零點處不可導，不適用于模型的參數(shù)訓練過程。因此??實際工程中經(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所示是一個簡單的神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的最左側(cè)為輸入層，由兩個神經(jīng)元構(gòu)成，表??示神經(jīng)網(wǎng)絡(luò)接受兩個數(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)前述單個神經(jīng)元的數(shù)學表征

【參考文獻】：
期刊論文
[1]移動邊緣計算場景下網(wǎng)絡(luò)服務靈活適配的解決方案[J]. 馮博昊,周華春.  電信科學. 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)同標識網(wǎng)絡(luò)[J]. 張宏科,陳哲.  中興通訊技術(shù). 2014(04)
[4]未來互聯(lián)網(wǎng)絡(luò)及其應用——智慧標識網(wǎng)絡(luò)[J]. 張宏科,賈濡.  科研信息化技術(shù)與應用. 2014(01)
[5]ICN中的一種協(xié)作緩存機制[J]. 劉外喜,余順爭,蔡君,高鷹.  軟件學報. 2013(08)
[6]智慧協(xié)同網(wǎng)絡(luò)中的服務機理研究[J]. 蘇偉,陳佳,周華春,張宏科.  電子學報. 2013(07)
[7]智慧網(wǎng)絡(luò)組件協(xié)同機制研究[J]. 郜帥,王洪超,王凱,張宏科.  電子學報. 2013(07)
[8]可演進的新一代互聯(lián)網(wǎng)體系結(jié)構(gòu)研究進展[J]. 吳建平,林嵩,徐恪,劉瑩,朱敏.  計算機學報. 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)理論研究進展[J]. 吳建平,劉瑩,吳茜.  中國科學（E輯:信息科學）. 2008(10)

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



本文編號：3293523