PDF
ZENODO
Published
2025-10-29
Section
Articles
How to Cite
How to Cite
РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ СЕТЕВЫХ НАГРУЗОК С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ
Муминов Мухамадали
Keywords: Прогнозирование, машинное обучение, сетевые нагрузки, DPI, CNN, Transformer, искусственный интеллект, Big Data.
Abstract
В статье рассматривается проблема прогнозирования сетевых нагрузок с использованием методов машинного обучения и искусственного интеллекта. Рост объёмов данных и усложнение сетевых инфраструктур требуют интеллектуальных решений для эффективного распределения ресурсов и предотвращения перегрузок. В рамках исследования предлагается архитектура интеллектуальной системы прогнозирования, основанной на гибридном подходе, объединяющем глубокую инспекцию пакетов (DPI), сверточные нейронные сети (CNN) и трансформеры (Transformer). Предварительные результаты моделирования показывают высокую точность предсказания сетевых нагрузок и устойчивость модели к шумам и аномалиям.
References
1. Zhang, C., & Chen, X. (2021). Machine learning-based network traffic prediction: A survey. IEEE Communications Surveys & Tutorials.
2. Wang, H., Xu, L., & Li, P. (2020). Deep learning for network traffic prediction: models, methods, and applications. Computer Networks.
3. Al-Jarrah, O. Y. et al. (2019). Intelligent big data analytics for network traffic prediction using deep learning. IEEE Access.
4. Boutaba, R. et al. (2018). A comprehensive survey on machine learning for networking. Journal of Internet Services and Applications.
5. Ma, Y., & Li, Q. (2022). Ensemble learning-based approaches for time series forecasting in network management. Expert Systems with Applications.
6. Vaswani, A. et al. (2017). Attention is all you need. NeurIPS.
