Скачать презентацию
Идет загрузка презентации. Пожалуйста, подождите
Презентация была опубликована 8 лет назад пользователемЖадыра Советовна
1 Электронное научное специализированное издание – журнал «Проблемы телекоммуникаций» 2 (4) АНАЛИЗ ВОЗМОЖНОСТЕЙ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ РЕШЕНИЯ ЗАДАЧ ОДНОПУТЕВОЙ МАРШРУТИЗАЦИИ В ТКС М.А. ПАВЛЕНКО Харьковский университет Воздушных Сил им. Ивана Кожедуба Проведен сравнительный анализ возможностей использования таких искусственных нейронных сетей, как многослойный персептрон, сети RBF и сети Хопфилда для решения задачи маршрутизации в телекоммуникационных сетях.
2 В результате проведенных исследований о возможности использования ИНС с конфигурациями многослойный персептрон, сеть Хопфилда и RBF-сеть для решения задачи маршрутизации в ТКС было установлено: 1. Сети прямого распространения и сети Хопфилда могут быть использованы для решения задачи маршрутизации в ТКС. Рассмотренные ИНС способны решать задачу маршрутизации в реальном масштабе времени с заданной точностью. ИНС прямого распространения и особенно сети Хопфилда обладают высокой степенью устойчивости работы в отличие от сети RBF. ИНС способны работать в условиях динамического изменения топологии сети и характеристик каналов передачи данных в ТКС. 2. Применение данных ИНС требует доработок их топологий и использования модифицированных процедур обучения, направленных на решение оптимизационных задач. Необходимы дополнительные исследования по уточнению топологии связей в ИНС и их влияния на процесс обучения и качество решения задачи маршрутизации (учет реальных связей в ТКС). 3. Важно дополнительно проанализировать типы используемых передаточных функций нейронов ИНС, а также виды оптимизационных функций (функций ошибки) ИНС, которые влияют на качество решения задачи маршрутизации. Таким образом, одним из дальнейших направлений исследований следует считать определение требований к структуре ИНС, типу передаточных функций и функций ошибки ИНС, которые обеспечили бы удовлетворительное качество решения задачи маршрутизации в ТКС. Наиболее перспективным объектом для дальнейшего исследования представляется ИНС Хопфилда
3 ПрИМЕНЕНИЕ НЕйр ОННый СЕТЕй В За ДачаХ у ПраВлЕНИЯ Мар ШруТИЗа ЦИЕй Ю. Б. Нечаев, Ю. а. Дергачев Воронежский государственный университет Поступила в редакцию г. Одной из важнейших задач телекоммуникационных сетей является адаптивная маршрутизация передаваемых пакетов. Она относятся к классу комбинаторно- оптимизационных задач, не имеющих простых аналитических решений. Известно [], что эта задача может быть сформулирована в виде задачи коммивояжера и для ее решения можно использовать нейронные сети Хопфилда.
4 За КлЮчЕНИЕ Таким образом, решение задачи маршрутизации с помощью нейронных сетей позволяет быстро проводить маршрутизацию в сетях с динамической архитектурой, исключая простой перебор узлов сети, что значительно сокращает время доставки пакетов и экономит вычисли- тельные ресурсы.
7 Применение нейронных сетей в телекоммуникационных системах Цель работы – применение нейронных сетей в телекоммуникационных системах. В работе рассмотрены особенности применения нейронных сетей в системах управления и маршрутизации данных. Предлагается метод прогнозирования потока данных на основе нечетко-нейронных сетей.
8 ЗАКЛЮЧЕНИЕ Основными результатами работы являются: - определены преимущества и недостатки структур нейронных сетей; - определены эффективные методы обучения нейронных сетей; - определены особенности применения нейронных сетей в системах управления и маршрутизации данных; - рассмотрены вопросы разработки систем нейро-нечеткого вывода; - предложен метод прогнозирования потоков данных на основе нечетко- нейронных сетей; - предложенный метод прогнозирования реализован в пакете ANFIS программного обеспечения MATLAB; - предложенный метод прогнозирования потоков данных позволяет снизить перегрузки в сетях связи.
9 Решение задачи многокритериальной маршрутизации в телекоммуникационных сетях Магистерская диссертация студента 6 курса 273 гр. ФУПМ Чёрного Семёна Владимировича Москва 2008 В данной работе представлен один из методов решения задачи многокритериальной маршрутизации в мультисервисных телекоммуникационных сетях связи. К особенностям предложенного метода можно отнести использование при поиске маршрута таких критериев, как стоимость резервирования канала связи, его загрузка и надежность. К ограничениям, накладываемым на маршрут пропускную способность и временную задержку передачи данных в канале. Этот подход позволяет строить оптимальный маршрут практически для любого типа сервиса. В результате работы создан объектно-ориентированный расширяемый программный комплекс, который решает поставленную задачу. Предложенный метод решения задачи автоматической маршрутизации может быть использован в системах операционной поддержки (OSS), т.к. такие системы хранят в себе информацию об инфраструктуре всей сети связи. Также метод может применяться при решении задачи проектирования телекоммуникационных сетей, при расчёте надежности в работе сервисов.
10 5. Заключение В данной работе представлен один из методов решения задачи многокритериальной маршрутизации в мультисервисных телекоммуникационных сетях связи. К особенностям предложенного метода можно отнести использование при поиске маршрута таких критериев, как стоимость резервирования канала связи, его загрузка и надежность. К ограничениям, накладываемым на маршрут пропускную способность и временную задержку передачи данных в канале. Этот подход позволяет строить оптимальный маршрут практически для любого типа сервиса. В результате работы создан объектно-ориентированный расширяемый программный комплекс, который решает поставленную задачу. Предложенный метод решения задачи автоматической маршрутизации может быть использован в системах операционной поддержки (OSS), т.к. такие системы хранят в себе информацию об инфраструктуре всей сети связи. Также метод может применяться при решении задачи проектирования телекоммуникационных сетей, при расчёте надежности в работе сервисов.
11 ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ДЛЯ ОПРЕДЕЛЕНИЯ ОПТИМАЛЬНОГО МАРШРУТА В СЕТЯХ С АДАПТИВНОЙ МАРШРУТИЗАЦИЕЙ ПАКЕТОВ ДАННЫХ © К. В. КОЛЕСНИКОВ, А. Р. КАРАПЕТЯН, О. Г. НИКУЛИН, 2013 В телекоммуникационных системах искусственные нейросети находят применение при решении следующих задач [1]: управление коммутацией, адаптивная маршрутизация, управление трафиком, оптимальное распределение загрузки каналов сети. Адаптивная маршрутизация является одной из важнейших задач для телекоммуникационных сетей различного назначения. Задачи, связанные с выбором маршрута и с планированием работы маршрутизаторов, относятся к классу комбинаторно-оптимизационных задач, не имеющих простых аналитических решений. Для решения таких задач можно использовать модели, построенные на основе нейронной сети Хопфилда; большинство существующих работ в этой области базируются на таких моделях
12 Выводы. В работе предложено использование нейронных сетей для поиска оптимального маршрута в сетях с адаптивной маршрутизацией. На основе выполненных исследований сделан вывод, что нейронные сети являются достаточно мощным математическим инструментом и могут с успехом применяться для решения подобных задач, включая те, которые трудно или невозможно решить другими методами. Время сходимости такого алгоритма может изменяться в зависимости от требуемой точности и динамики изменения сети.
13 Применение нейронных сетей при решении некоторых Проблемы в современных телекоммуникаций Mikrotalasna revija Decembar 2002 Современная телекоммуникационная сеть характеризуется интенсивным ростом и огромными возможностями. Огромное количество пользователей, виды предоставляемых услуг, и постоянное Тенденция к увеличению скорости передачи делают очень трудным или даже невозможно, моделировать, предсказывать и контролировать такой трафик. документ описывает возможное использование нейронных сетей (NNS) в решения некоторых проблем, возникающих в современных телекоммуникаций. Основное внимание уделяется применению NNS в трафике управления: планирование в узле ATM, управление коммутацией пакетов, и протоколы маршрутизации, в частности, для регулярной структуры сети, такие как сетчатые топологий. Клеточная нейронная сеть (CNN), в соответствии с его структурой, предлагается для арбитража между пакетами, которые должны быть отклонены или буферным в сетке топологии сети. Параллельный аналоговый обработка встроенных в Си-Эн приводит к очень быстрой и оптимальной маршрутизации.
14 РЕШЕНИЕ ЗАДАЧИ МАРШРУТИЗАЦИИ НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ НЕЙРОННОЙ СЕТИ ХОПФИЛДА С РАЗРАБОТКОЙ ФУНКЦИИ ЛЯПУНОВА С ЗАДАННЫМИ СВОЙСТВАМИ Проведен анализ существующих методов нейросетевого решения задачи маршрутизации с использованием нейронных сетей Хопфилда. Предложена функция Ляпунова для решения задачи маршрутизации с учетом пропускной способности каналов связей и количества каналов связи, задействованных в маршруте. Выводы В статье проведен анализ существующих методов решения задачи маршрутизации с использованием нейронных сетей Хопфилда. Полученные данные позволяют утверждать, что на сегодняшний день завершился первичный этап накопления знаний и опыта по разработке нейросетевого метода решения задачи маршрутизации. Поэтому решение задачи маршрутизации с использованием нейронной сети Хоп- филда требует поиска и исследования таких функций энергии сети, которые обеспечивали бы быструю сходимость и высокое качество решения задачи маршрутизации. В работе представлен результат проведенного исследования по разработке функции Ляпунова для нейронной сети Хопфилда, которая обеспечивает быструю сходимость нейронной сети к требуемым решениям, а также позволяет уменьшить количество ребер в вырабатываемом маршруте. Полученный результат позволяет утверждать, что использование нейросетевого подхода к решению задачи маршрутизации позволяет находить решения при решении задачи маршрутизации как по одной, так и по нескольким метрикам. В статье показана возможность решения дан- ной задачи с использованием двух метрик. При этом не требуется полный перебор вариантов решения, а время решения задачи с одной и двумя метриками не отлича- ется и составляет 0,0064 0,002 секунды, что позволяет использовать данный подход в реальных устройствах маршрутизации. Возможными направлениями дальнейших исследований могут быть отыска- ния методов конструирования функций Ляпунова для задач маршрутизации с за- данными свойствами. Также перспективным является внедрение нейросетевых мето- дов решения таких задач, как балансировка буферных и канальных ресурсов *11+, решение задачи многопутевой маршрутизации *12+, а также задач маршрутизации со многими метриками как линейными, так и нелинейными. Решение задачи нахождения метода конструирования функции Ляпунова для решения оптимизаци- онных задач с использованием в нейронных сетях Хопфилда позволит найти широ- кое применение данных нейронных сетей во многих областях научных исследований.
Еще похожие презентации в нашем архиве:
© 2024 MyShared Inc.
All rights reserved.