Прогнозування затримки на маршрутизаторі комп’ютерної мережі засобами нейронечіткої мережі
Loading...
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Український державний університет науки і технологій, Дніпро
Abstract
UKR: Магістерська робота виконана на 64 сторінках, містить 47 ілюстрацій, 3 таблиці, 21 джерело та 4 додатків. Створена в системі MatLAB нейронечітка мережа (глибина занурення – 3), в основі якої система із 8 правил при наступних параметрах: Гауссовський тип приналежності для вхідних нейронів; лінійний тип приналежності для результуючого нейрону; гібридний метод оптимізації навчання. Мета дослідження – прогнозування затримки на маршрутизаторі комп’ютерної мережі засобами нейронечіткої мережі. Об’єкт дослідження – часовий ряд затримок на маршрутизаторі комп’ютерної мережі. Предмет дослідження – параметри нейронечіткої мережі. Методи дослідження – розрахунок показника Херста для часового ряду затримок на маршрутизаторі комп’ютерної мережі; створення за методом Сугено нейронечіткої мережі для прогнозування затримки на маршрутизаторі; навчання та тестування створеної нейронечіткої мережі за різними методами оптимізації: зворотнього поширення помилки та гібридним; оцінка за допомогою MAPE прогнозу на створеній нейронечіткій мережі. У роботі визначені похибки створеної нейронечіткої мережі при навчанні та тестуванні. Проведено дослідження похибки створеної нейронечіткої мережі при використанні різних функцій приналежності нейронів.
ENG: The master's thesis is written on 64 pages, contains 47 illustrations, 3 tables, 21 sources and 4 appendices. A neurofuzzy network created in the MatLAB system (immersion depth – 3), which is based on a system of 8 rules with the following parameters: Gaussian type of affiliation for input neurons; linear affiliation type for the resulting neuron; A hybrid method of learning optimization. The purpose of the study was to predict the delay on the router of a computer network by means of a neurofuzzy network. The object of the study is the time series of delays on the router of a computer network. The subject of the research is the parameters of the neurofuzzy network. Research methods – calculation of the Hurst indicator for the time series of delays on the router of a computer network; creation of a neurofuzzy network using the Sugeno method to predict the delay on the router; training and testing of the created neurofuzzy network using various optimization methods: reverse error propagation and hybrid; evaluation using MAPE prediction on the created neurofuzzy network. The paper identifies the errors of the created neurofuzzy network during training and testing. A study of the error of the created neurofuzzy network when using various functions of neuronal affiliation was carried out.
ENG: The master's thesis is written on 64 pages, contains 47 illustrations, 3 tables, 21 sources and 4 appendices. A neurofuzzy network created in the MatLAB system (immersion depth – 3), which is based on a system of 8 rules with the following parameters: Gaussian type of affiliation for input neurons; linear affiliation type for the resulting neuron; A hybrid method of learning optimization. The purpose of the study was to predict the delay on the router of a computer network by means of a neurofuzzy network. The object of the study is the time series of delays on the router of a computer network. The subject of the research is the parameters of the neurofuzzy network. Research methods – calculation of the Hurst indicator for the time series of delays on the router of a computer network; creation of a neurofuzzy network using the Sugeno method to predict the delay on the router; training and testing of the created neurofuzzy network using various optimization methods: reverse error propagation and hybrid; evaluation using MAPE prediction on the created neurofuzzy network. The paper identifies the errors of the created neurofuzzy network during training and testing. A study of the error of the created neurofuzzy network when using various functions of neuronal affiliation was carried out.
Description
Keywords
показник Херста, прогнозування, нейронечітка мережа, система правил, функція приналежності, похибка, Hurst exponent, prediction, neurofuzzy network, rule system, membership function, error, MAPE, ВКР, КЕОМ
Citation
Хрестян А. В. Прогнозування затримки на маршрутизаторі комп’ютерної мережі засобами нейронечіткої мережі : дипломна робота на здобуття кваліфікаційного ступеня магістра : спец. 123 – комп’ютерна інженерія / наук. керівник В. М. Пахомова ; Укр. держ. ун-т науки і техн. Дніпро, 2024. 54 с.