Модели учета влияния статистических характеристик трафика вычислительных сетей на эффективность прогнозирования средствами машинного обучения

Статья представляет собой попытку некоторого упорядочения и категоризации огромного потока публикаций по современным методам, техникам и моделям прогнозов данных различной природы с точки зрения их применимости для прогнозирования трафика в вычислительных сетях (ВС). Указанное упорядочение выполняется в рамках предложенной концептуальной модели (КМ) алгоритмов прогнозирования. В рамках этой КМ выделены характеристики как моделей трафика ВС, так и методов управления трафиком, которые явно или неявно могут быть используемы в современных программных инструментах предсказания. Показано, что анализ таких вероятностных аспектов описания данных, как наличие существенной нестационарности, некоторых нелинейных эффектов в моделях данных, а также специфики законов распределения данных, позволяет воздействовать на эффективность обучения предикторов.