ネットワーク障害に伴う概念ドリフトに対応するための、液体ニューラルネットワークベースの適応学習とインクリメンタル学習によるリンク負荷予測

ネットワーク障害によって引き起こされる急激なトラフィックパターンの変化に適応するために、液体ニューラルネットワークを用いた適応学習アプローチを提案する。従来のインクリメンタル学習ベースの手法と比較し、提案手法は概念ドリフトが大きい場合に優れた予測性能を示す。