在這篇文章中，小編將為大家?guī)?a href="/tags/機器學(xué)習(xí)" target="_blank">機器學(xué)習(xí)的相關(guān)報道。如果你對本文即將要講解的內(nèi)容存在一定興趣，不妨繼續(xù)往下閱讀哦。

一、機器學(xué)習(xí)如何用于智能網(wǎng)絡(luò)流量管理

1. 帶內(nèi)網(wǎng)絡(luò)遙測

網(wǎng)絡(luò)遙測數(shù)據(jù)提供有關(guān)網(wǎng)絡(luò)性能的基本指標(biāo)。這些信息通常很難解釋?？紤]到網(wǎng)絡(luò)中通過的大小和總數(shù)據(jù)具有巨大的價值。如果使用得當(dāng)，它可以大大提高性能。

帶內(nèi)網(wǎng)絡(luò)遙測等新興技術(shù)可以幫助實時收集詳細(xì)的網(wǎng)絡(luò)遙測數(shù)據(jù)。最重要的是，在此類數(shù)據(jù)集上運行機器學(xué)習(xí)可以幫助關(guān)聯(lián)延遲、路徑、交換機、路由器、事件等之間的現(xiàn)象，這是使用傳統(tǒng)方法從大量實時數(shù)據(jù)中難以指出的。

訓(xùn)練機器學(xué)習(xí)模型以了解遙測數(shù)據(jù)中的相關(guān)性和模式，最終獲得基于從歷史數(shù)據(jù)中學(xué)習(xí)預(yù)測未來的能力。這有助于管理未來的網(wǎng)絡(luò)中斷。

2. 資源分配和擁塞控制

每個網(wǎng)絡(luò)基礎(chǔ)設(shè)施都有一個預(yù)定義的可用總吞吐量。它進一步分為不同預(yù)定義帶寬的多個通道。在這種情況下，每個最終用戶的總帶寬使用是靜態(tài)預(yù)定義的，在網(wǎng)絡(luò)被壓倒性地使用的網(wǎng)絡(luò)的某些部分總是可能存在瓶頸。

為了避免這種擁塞，可以訓(xùn)練監(jiān)督機器學(xué)習(xí)模型以實時分析網(wǎng)絡(luò)流量，并以網(wǎng)絡(luò)遇到最少瓶頸的方式推斷每個用戶的適當(dāng)帶寬限制。

此類模型可以從網(wǎng)絡(luò)統(tǒng)計數(shù)據(jù)中學(xué)習(xí)，例如每個網(wǎng)絡(luò)節(jié)點的總活躍用戶數(shù)、每個用戶的歷史網(wǎng)絡(luò)使用數(shù)據(jù)、基于時間的數(shù)據(jù)使用模式、用戶跨多個接入點的移動等等。

3. 流量分類

在每個網(wǎng)絡(luò)中，都存在各種流量，如虛擬主機 (HTTP)、文件傳輸 (FTP)、安全瀏覽 (HTTPS)、HTTP 實時視頻流 (HLS)、終端服務(wù) (SSH) 等?，F(xiàn)在，當(dāng)涉及到網(wǎng)絡(luò)帶寬使用時，它們中的每一個都表現(xiàn)不同，通過 FTP 傳輸文件。它不斷地使用大量數(shù)據(jù)。

例如，如果正在流式傳輸視頻，它將使用塊中的數(shù)據(jù)和緩沖方法。當(dāng)不同類型的流量以無監(jiān)督的方式在網(wǎng)絡(luò)中運行時，可以看到一些暫時的阻塞。

為避免這種情況，機器學(xué)習(xí)分類器可用于分析和分類網(wǎng)絡(luò)中的流量類型。然后，這些模型可用于推斷網(wǎng)絡(luò)參數(shù)，如分配的帶寬、數(shù)據(jù)上限等，以通過改進所服務(wù)請求的調(diào)度以及動態(tài)更改分配的帶寬來幫助提高網(wǎng)絡(luò)的性能。

二、機器學(xué)習(xí)具體應(yīng)用

(1)虛擬助手。Siri，Alexa，Google Now都是虛擬助手。顧名思義，當(dāng)使用語音發(fā)出指令后，它們會協(xié)助查找信息。對于回答，虛擬助手會查找信息，回憶我們的相關(guān)查詢，或向其他資源(如電話應(yīng)用程序)發(fā)送命令以收集信息。我們甚至可以指導(dǎo)助手執(zhí)行某些任務(wù)，例如“設(shè)置7點的鬧鐘”等。

(2)交通預(yù)測。生活中我們經(jīng)常使用GPS導(dǎo)航服務(wù)。當(dāng)我們這樣做時，我們當(dāng)前的位置和速度被保存在中央服務(wù)器上來進行流量管理。之后使用這些數(shù)據(jù)用于構(gòu)建當(dāng)前流量的映射。通過機器學(xué)習(xí)可以解決配備GPS的汽車數(shù)量較少的問題，在這種情況下的機器學(xué)習(xí)有助于根據(jù)估計找到擁擠的區(qū)域。

(3)過濾垃圾郵件和惡意軟件。電子郵件客戶端使用了許多垃圾郵件過濾方法。為了確保這些垃圾郵件過濾器能夠不斷更新，它們使用了機器學(xué)習(xí)技術(shù)。多層感知器和決策樹歸納等是由機器學(xué)習(xí)提供支持的一些垃圾郵件過濾技術(shù)。每天檢測到超過325000個惡意軟件，每個代碼與之前版本的90%～98%相似。由機器學(xué)習(xí)驅(qū)動的系統(tǒng)安全程序理解編碼模式。因此，他們可以輕松檢測到2%～10%變異的新惡意軟件，并提供針對它們的保護。

(3)快速揭示細(xì)胞內(nèi)部結(jié)構(gòu)。借由高功率顯微鏡和機器學(xué)習(xí)，美國科學(xué)家研發(fā)出一種新算法，可在整個細(xì)胞的超高分辨率圖像中自動識別大約30種不同類型的細(xì)胞器和其他結(jié)構(gòu)。相關(guān)論文發(fā)表在最新一期的《自然》雜志上

經(jīng)由小編的介紹，不知道你對機器學(xué)習(xí)是否充滿了興趣?如果你想對機器學(xué)習(xí)有更多的了解，不妨嘗試度娘更多信息或者在我們的網(wǎng)站里進行搜索哦。