ВИЗНАЧЕННЯ ОПТИМАЛЬНОГО МАРШРУТУ В КОМП’ЮТЕРНІЙ МЕРЕЖІ ЗАСОБАМИ БАГАТОШАРОВОЇ НЕЙРОННОЇ МОДЕЛІ

Journal Title: Наука та прогрес транспорту - Year 2018, Vol 0, Issue 6

Abstract

Мета. Класичні алгоритми пошуку найкоротшого шляху на графі, що лежать в основі наявних протоколів маршрутизації, які сьогодні використовують у комп’ютерних мережах, в умовах постійної зміни завантаженості мережі не можуть привести до оптимального рішення в реальному часі. У зв’язку з цим метою статті є розробити методику визначення оптимального маршруту в об’єднаній комп’ютерній мережі. Методика. Для визначення оптимального маршруту в об’єднаній комп’ютерній мережі, що працює за різними технологіями, розроблено на мові Python із використанням фреймворку TensorFlow програмну модель «MLP 34-2-410-34». Вона дозволяє виконувати наступні етапи: генерацію вибірки (випадкову або збалансовану); створення нейронної мережі, на вхід якої подають масив пропускних спроможностей каналів комп’ютерної мережі; навчання й тестування нейронної мережі на відповідних вибірках. Результати. Нейронна мережа конфігурації 34-2-410-34 з функціями активації ReLU та Leaky-ReLU у прихованому шарі та лінійною функцією активації у вихідному шарі навчається за алгоритмом Adam. Цей алгоритм є комбінацією алгоритмів Adagrad, RMSprop та стохастичного градієнтного спуску з інерцією. Зазначені функції навчаються найбільш швидко на всіх обсягах навчальної вибірки, менш за інші піддаються перенавчанню, й досягають значення помилки в 0,0024 на контрольній вибірці й у 86 % визначає оптимальний шлях. Наукова новизна. Проведено дослідження параметрів нейронної мережі на основі розрахунку середнього гармонійного за різних функцій активації (Linear, Sigmoid, Tanh, Softplus, ReLU, L-ReLU) на навчальних вибірках різного обсягу (140, 1 400, 14 000, 49 000 прикладів) та за різними алгоритмами оптимізації навчання нейронної мережі (BGD, MB SGD, Adam, Adamax, Nadam). Практична значимість. Використання нейронної моделі, на вхід якої подають значення пропускних спроможностей каналів, дозволить у реальному часі визначити оптимальний маршрут в об’єднаній комп’ютерній мережі.

Authors and Affiliations

V. N. Pakhomova, I. D. Tsykalo

Keywords

Related Articles

ВИЗНАЧЕННЯ ОПТИМАЛЬНОГО МАРШРУТУ В КОМП’ЮТЕРНІЙ МЕРЕЖІ ЗАСОБАМИ БАГАТОШАРОВОЇ НЕЙРОННОЇ МОДЕЛІ

Мета. Класичні алгоритми пошуку найкоротшого шляху на графі, що лежать в основі наявних протоколів маршрутизації, які сьогодні використовують у комп’ютерних мережах, в умовах постійної зміни завантаженості мережі не можу...

ПОБУДОВА ПРОМІЖНОЇ ОПОРИ МОСТА ЯК ПАРАМЕТРИЧНОГО ОБ’ЄКТА ЗА ДОПОМОГОЮ AUTODESK REVIT

Мета. У науковій роботі необхідно вирішити наступні задачі: 1) дослідити можливості AutodeskRevit по створенню параметричних об’єктів; 2) створити інформаційну модель проміжної опори моста з можливістю зміни розмірів мод...

РАСЧЕТ ДИНАМИКИ ЗАГРЯЗНЕНИЯ ПРИМАГИСТРАЛЬНОЙ ТЕРРИТОРИИ ПРИ ПЕРЕВОЗКЕ УГЛЯ

Цель. Научная работа предполагает разработку 3D численной модели для прогноза загрязнения атмосферы при транспортировке сыпучих грузов в железнодорожном вагоне. Методика. Для решения поставленной задачи разработана трехм...

RESEARCH OF RATIONAL CHARACTERISTICS OF THE DATE COMMUNICATION LINKS OF THE INFORMATION AND MEASURING SYSTEM

Purpose. The article focuses on determining the rational parameters of data transmission interfaces for information and measuring system for testing the hydraulic transmissions, as well as determining the degree of fault...

ПРОБЛЕМЫ ВЫЯВЛЕНИЯ ПЛАГИАТА И АНАЛИЗ ИНСТРУМЕНТАЛЬНОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ ИХ РЕШЕНИЯ

Цель. Данное исследование направлено на: 1) определение понятия «плагиата» в текстах на формальных и естественных языках, построение таксономии плагиата; 2) выявление основных проблем обнаружения плагиата при использован...

Download PDF file
  • EP ID EP477498
  • DOI 10.15802/stp2018/154443
  • Views 83
  • Downloads 0

How To Cite

V. N. Pakhomova, I. D. Tsykalo (2018). ВИЗНАЧЕННЯ ОПТИМАЛЬНОГО МАРШРУТУ В КОМП’ЮТЕРНІЙ МЕРЕЖІ ЗАСОБАМИ БАГАТОШАРОВОЇ НЕЙРОННОЇ МОДЕЛІ. Наука та прогрес транспорту, 0(6), 126-142. https://europub.co.uk/articles/-A-477498