摘要
本发明属于流量预测技术领域,提供了一种基于图神经网络的软件调用链流量预测方法及系统,旨在解决现有技术中存在的流量预测方法存在准确性不足、效率低下问题,以及无法有效地捕获和利用调用链之间的潜在关联,存在局限性的技术问题。包括:构建图形式的历史调用链流量数据,将其划分为训练集、验证集和测试集;建立初始ChebNetLstm模型;利用训练集进行迭代训练,并进行参数优化;利用验证集对训练好的初始ChebNetLstm模型进行性能评估;对评估后的模型进行超参数优化,得到最终ChebNetLstm模型;利用测试集对最终ChebNetLstm模型进行软件调用链流量预测,得到预测结果,对预测结果进行可视化操作,得到可视化结果。
技术关键词
流量预测方法
超参数
软件
训练集
计算机存储介质
多项式
流量预测技术
误差
sigmoid函数
流量预测系统
反向传播方法
时间序列特征
双曲正切函数
列表
模型训练模块
生成参数
数据采集模块
处理器
系统为您推荐了相关专利信息
神经网络混合模型
文本
神经网络模型构建
编码器
中文分词
克里金代理模型
作动机构
航空发动机
训练集
模式
检测模型建立方法
注意力机制
感知特征
卷积模块
无人机
并联电源系统
故障诊断方法
系统控制软件
故障状态图
序列