Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Strona główna > Publikacje
Publikacje
Pomoc (F2)
[7932] Artykuł:

Web traffic prediction with artificial neural networks

Czasopismo: Proceedings of SPIE - The International Society for Optical Engineering, Bellingham, WA, USA   Tom: 5775, Strony: 520-525
ISSN:  0277-786X
ISBN:  0-8194-5756-6
Wydawca:  SPIE-INT SOC OPTICAL ENGINEERING, 1000 20TH ST, PO BOX 10, BELLINGHAM, WA 98227-0010 USA
Opublikowano: 2005
Seria wydawnicza:  PROCEEDINGS OF THE SOCIETY OF PHOTO-OPTICAL INSTRUMENTATION ENGINEERS (SPIE)
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Procent
udziału		 Liczba
punktów
Adam Głuszek orcid logoWEAiIKatedra Elektroniki i Systemów Inteligentnych *****332.00  
Michał Kekez orcid logoWMiBMKatedra Mechaniki**334.00  
Filip Rudziński orcid logoWEAiIKatedra Elektroniki i Systemów Inteligentnych *****332.00  

Grupa MNiSW:  Publikacja w recenzowanym czasopiśmie wymienionym w wykazie ministra MNiSzW (część B)
Punkty MNiSW: 4
Klasyfikacja Web of Science: Proceedings Paper

Pełny tekstPełny tekst     DOI LogoDOI     Web of Science Logo Web of Science    
Słowa kluczowe:

sieci neuronowe  predykcja  przebiegi czasowe  modelowanie procesów dynamicznych 

Keywords:

neural networks  prediction  time series  dynamic process modelling 


Abstract:

The main aim of the paper is to present application of the artificial neural network in the web traffic prediction. First, the general problem of time series modelling and forecasting is shortly described. Next, the details of building of dynamic processes models with the neural networks are discussed. At this point determination of the model structure in terms of its inputs and outputs is the most important question because this structure is a rough approximation of the dynamics of the modelled process. The following section of the paper presents the results obtained applying artificial neural network (classical multilayer perceptron trained with backpropagation algorithm) to the real-world web traffic prediction. Finally, we discuss the results, describe weak points of presented method and propose some alternative approaches.


POWRÓT
Strona główna > Publikacje