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

一、機器學習如何用于智能網絡流量管理

1. 帶內網絡遙測

網絡遙測數據提供有關網絡性能的基本指標。這些信息通常很難解釋?？紤]到網絡中通過的大小和總數據具有巨大的價值。如果使用得當，它可以大大提高性能。

帶內網絡遙測等新興技術可以幫助實時收集詳細的網絡遙測數據。最重要的是，在此類數據集上運行機器學習可以幫助關聯延遲、路徑、交換機、路由器、事件等之間的現象，這是使用傳統(tǒng)方法從大量實時數據中難以指出的。

訓練機器學習模型以了解遙測數據中的相關性和模式，最終獲得基于從歷史數據中學習預測未來的能力。這有助于管理未來的網絡中斷。

2. 資源分配和擁塞控制

每個網絡基礎設施都有一個預定義的可用總吞吐量。它進一步分為不同預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)預定義的，在網絡被壓倒性地使用的網絡的某些部分總是可能存在瓶頸。

為了避免這種擁塞，可以訓練監(jiān)督機器學習模型以實時分析網絡流量，并以網絡遇到最少瓶頸的方式推斷每個用戶的適當帶寬限制。

此類模型可以從網絡統(tǒng)計數據中學習，例如每個網絡節(jié)點的總活躍用戶數、每個用戶的歷史網絡使用數據、基于時間的數據使用模式、用戶跨多個接入點的移動等等。

3. 流量分類

在每個網絡中，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 (SSH) 等?，F在，當涉及到網絡帶寬使用時，它們中的每一個都表現不同，通過 FTP 傳輸文件。它不斷地使用大量數據。

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

為避免這種情況，機器學習分類器可用于分析和分類網絡中的流量類型。然后，這些模型可用于推斷網絡參數，如分配的帶寬、數據上限等，以通過改進所服務請求的調度以及動態(tài)更改分配的帶寬來幫助提高網絡的性能。

二、機器學習具體應用

(1)虛擬助手。Siri，Alexa，Google Now都是虛擬助手。顧名思義，當使用語音發(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，回憶我們的相關查詢，或向其他資源(如電話應用程序)發(fā)送命令以收集信息。我們甚至可以指導助手執(zhí)行某些任務，例如“設置7點的鬧鐘”等。

(2)交通預測。生活中我們經常使用GPS導航服務。當我們這樣做時，我們當前的位置和速度被保存在中央服務器上來進行流量管理。之后使用這些數據用于構建當前流量的映射。通過機器學習可以解決配備GPS的汽車數量較少的問題，在這種情況下的機器學習有助于根據估計找到擁擠的區(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，它們使用了機器學習技術。多層感知器和決策樹歸納等是由機器學習提供支持的一些垃圾郵件過濾技術。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。由機器學習驅動的系統(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)快速揭示細胞內部結構。借由高功率顯微鏡和機器學習，美國科學家研發(fā)出一種新算法，可在整個細胞的超高分辨率圖像中自動識別大約30種不同類型的細胞器和其他結構。相關論文發(fā)表在最新一期的《自然》雜志上

經由小編的介紹，不知道你對機器學習是否充滿了興趣?如果你想對機器學習有更多的了解，不妨嘗試度娘更多信息或者在我們的網站里進行搜索哦。