Разработка метода расчета пропускной способности систем коммутации для узлов Ш-ЦСИС с управляющей нейронной сетью

• Автор: Юрасов, Дмитрий Валентинович
• Шифр специальности: 05.12.14
• Научная степень: Кандидатская
• Год защиты: 1999
• Место защиты: Москва
• Количество страниц: 196 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ НЕЙРОСЕТЕ-ВЫХ ТЕХНОЛОГИЙ И ПЕРСПЕКТИВЫ ИХ ИСПОЛЬЗОВАНИЯ В Ш-ЦСИС
1.1. Элементы нейронных сетей
1.2. Организация входов и выходов нейронных сетей
1.3. Типы нейронных сетей
1.4. Обучение нейронных сетей
1.5. Реализация нейронных сетей
1.6. Выводы
2. РАЗРАБОТКА ПРИНЦИПОВ ПОСТРОЕНИЯ И МАТЕМАТИЧЕСКОЙ МОДЕЛИ СИСТЕМЫ БЫСТРОЙ КОММУТАЦИИ ПАКЕТОВ С НЕЙРОСЕТЕВЫМ УПРАВЛЕНИЕМ
2.1. Постановка задачи
2.2. Разработка математической модели системы быстрой коммутации пакетов с нейросетевым управлением
2.2.1. Обоснование выбора системы коммутации
2.2.2. Модель поступления информационных ячеек на входы коммутационной системы и формулировка задачи составления оптимального расписания маршрутов
2.2.3. Модель нейронной сети, служащей для управления коммутационной системой
2.3.Вывод ы
3. ИССЛЕДОВАНИЕ КОММУТАЦИОННЫХ СИСТЕМ БЫСТРОЙ КОММУТАЦИИ ПАКЕТОВ С НЕЙРОСЕТЕВЫМ УПРАВЛЕНИЕМ МЕТОДОМ ИМИТАЦИОННОГО

МОДЕЛИРОВАНИЯ
3.1. Постановка задачи
3.2. Разработка алгоритма моделирования перестраиваемых коммутационных систем с нейросетевым управлением
3.2.1. Описание констант, переменных и массивов переменных, служащих для отображения коммутационной системы с нейросетевым управлением в памяти ЭВМ
3.2.2. Моделирование поступления требований на обслуживание
3.2.3. Моделирование процессов, протекающих в управляющей

3.2.4. Моделирование прохождения ячеек через 1-е и 2-е звенья

3.2.5. Моделирование обслуживания ячеек в 3-м звене КС
3.2.6. Оценка точности получаемых вероятностных зависимостей КС
3.2.7. Анализ результатов моделирования перестраиваемых коммутационных систем с управляющей нейронной
сетью
3.3. Разработка алгоритма моделирования КС типа Баньян
3.3.1. Постановка задачи
3.3.2. Описание принципа построения системы типа Baseline и нумерация ее элементов
3.3.3. Основные константы, переменные и массивы переменных, служащие для отображения КС типа Baseline в памяти ЭВМ
3.3.4. Моделирование поступления требований на обслуживание
3.3.5. Моделирование продвижения ячеек через КС
3.4. Сравнение пропускной способности перестраиваемых КС

быстрой коммутации пакетов с нейросетевым управлением и
пропускной способности КС типа Баньян
3.5. Выводы
4. РАЗРАБОТКА АНАЛИТИЧЕСКОГО МЕТОДА ОЦЕНКИ ВЕЛИЧИНЫ ВЕРОЯТНОСТИ ПОТЕРЬ ЯЧЕЕК В ПЕРЕСТРАИВАЕМЫХ КС С УПРАВЛЯЮЩЕЙ НЕЙРОННОЙ СЕТЬЮ
4.1. Постановка задачи
4.2. Оценка величины вероятности потерь ячеек в перестраиваемых КС с управляющей нейронной сетью
4.3. Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЕ 1. Акты об использовании результатов диссертационной работы
ПРИЛОЖЕНИЕ 2. Текст программы моделирования перестраиваемой КС с нейросетевым управлением
ПРИЛОЖЕНИЕ 3. Текст программы моделирования КС типа Baseline

направлениями координатных полуосей пространства. Плоскости данного гиперкуба параллельны или совпадают с координатными плоскостями данного пространства, а одна из вершин совпадает с началом координат. Гиперкуб называем единичным, т.к. каждая его грань имеет единичную длину.
Функция (2.8) является по сути функцией Ляпунова. В /44/ доказывается, что функция подобного вида может быть минимизирована в НС. Такая НС конструируется в следующем разделе.
2.2.3. Модель нейронной сети, служащей для управления коммутационной системой
Рассмотрим нейронную сеть, которая строится из некоторого числа ТС однородных устройств (нейронов), функционирование которых описывается следующим набором величин: полным
входным сигналом внутренним состоянием С/Л и выходным
сигналом ОиТ{, / = 1, N. Выходной сигнал нейрона есть следующая функция от внутреннего состояния:
OUTi = 0,5 + th

где а - внутренний параметр нейрона.
Изменение внутреннего состояния нейрона описывается дифференциальным уравнением
M- = -V:(t)+NЕЪ,(2.10)

где t - время.
Полный входной сигнал г-го нейрона NETвходящего в (2.10), есть сумма взвешенных выходных сигналов нейронов сети,