Специалисты факультета ВМК МГУ представили результаты исследования о развитии вероятностно-информированного подхода в ML для прогнозирования характеристик сетевого трафика и детектирования событий в нем. В частности, они предложили регрессионную модель глубокой гауссовой смеси, в которой сначала выполняется предварительная кластеризация на основе нейронной сети и конечных нормальных смесей. Затем эта информация используется в качестве входных данных для алгоритмов машинного обучения с учителем.

По словам ученых, развитие предлагаемых методов актуально для решения задач оптимизации производительности телеком-сетей и управления качеством обслуживания. Это способствует повышению эффективности, надежности и устойчивости к внешним сбоям, а также снижению затрат на эксплуатацию и обслуживание.

Результаты исследования опубликованы в журнале Computer Networks