用于VBR视频通信量预测的梯度径向基函数网络模型  

A Neural Network Model for VBR Video Traffic Prediction

作　　者：李素梅[1] 常胜江[1] 苏晓星[2] 熊涛[1] 申金媛[1] 张延炘[1] 

机构地区：[1]南开大学现代光学研究所教育部光电信息技术重点实验室,天津300071 [2]中国科学院声学研究所声场声信息国家重点实验室,北京100080

出　　处：《光电子．激光》2004年第7期814-817,共4页Journal of Optoelectronics·Laser

基　　金：国家自然科学基金项目资助(60277022);天津市自然科学基金重点资助项目(023800811)

摘　　要：提出采用梯度径向基函数(GRBF,gradientradialbasisfunction)神经网络实现VBR(variablebitrate)视频通信量的预测,由于GRBF神经网络采用差分输入,能够消除由于局部平均值随时间变化而造成的不稳定性,特别适合于非平稳时间序列预测。仿真结果显示,GRBF神经网络模型的预测误差(相对均方误差)为2.9×10-3,而其它几种常见预测模型的预测误差在(1.6～8.5)×10-2之间。The gradient radial basis function(GRBF) neural networks was proposed for performing variable bit rete(VBR) traffic prediction.Since it takes differential signal as input,it can eliminate the adverse influence of variation of the local average of the signal.As a result,it gives significantly precise prediction compared with other prediction models.The simulation results show that the prediction error of GRBF neural networks is 2.9×10^(-3),while the prediction error of other models only are 10^(-2).

关 键 词：梯度径向基函数 神经网络 VBR 视频通信量 正交最小平方 

分 类 号：TN919.8[电子电信—通信与信息系统]