Аналіз можливостей використання машинного глибокого навчання для розпізнавання сутностей

Abstract

У роботі досліджено проблему підвищення точності аналізу та прогнозування характеристик трафіку в гетерогенних хмарних системах, дані яких піддаються впливу гаусівського шуму та аномальних викидів. Запропоновано новий підхід до оцінювання продуктивності мережі (зокрема, втрат пакетів) із використанням алгоритмів глибокого навчання (Deep Learning), модифікованих застосуванням робастних M-оцінок замість традиційної середньоквадратичної помилки (MSE).