Search academic texts

Information × Registration Number 0821U101926, PhD dissertation Status Доктор філософії Date 07-06-2021 popup.evolution o Title Models for information and communication network flows management by using the methods of machine learning and artificial intelligence Author Andrushchak Volodymyr Stepanovych, popup.head Kaidan Mykola Volodymyrovych popup.opponent Saiko Volodymyr Hryhorovych popup.opponent Yevdokymenko Maryna Oleksandrivna popup.review Romanchuk Vasyl Ivanovych popup.review Dronyuk Ivanna Myroslavivna Description В дисертаційній роботі розв’язане науково-практичне завдання розроблення методів та моделей управління інформаційними потоками в оптичних транспортних мережах з використанням алгоритмів машинного навчання та засобів штучного інтелекту, в умовах високої динаміки зміни ймовірнісно-часових характеристик інформаційних потоків та суперечливих вимог до якості обслуговування. Запропоновано концептуальну модель програмно-конфігурованої оптичної транспортної мережі, яка забезпечує необхідну інфраструктуру для підтримки розроблених інтелектуальних алгоритмів управління інфокомунікаційними потоками. Дана інфраструктура забезпечує і описує правила збору інформації для тренування, тестування і розгортання відповідних моделей інтелектуальних алгоритмів управління інфокомунікаційними потоками. Розроблено алгоритм визначення станів мережі на базі кластерних методів ML алгоритмів k-means та c-means. Даний алгоритм дозволяє побудувати послідовність подій, які дають змогу спрогнозувати із певною ймовірністю наступання певної події мережі. Такий підхід дає змогу більш комплексно підійти до управління інфокомунікаційними потоками і врахувати одночасно більшу кількістю мережевих параметрів. Удосконалено метод агрегації корисного навантаження на граничних вузлах оптичної транспортної мережі із використанням глибоких нейронних мереж. Такий підхід дозволив зменшити кількість службового навантаження при невеликій втраті пакетів із забезпеченням необхідних параметрів обслуговування. Доведено, що зменшення кількості службової інформації призводить до зменшення енергетичного споживання проміжного вузла за рахунок зменшення відсотку використання центрального процесора вузла. Набув подальшого розвитку алгоритм інтелектуального управління інфокомунікаційними потоками із використанням графових нейронних мереж. Розроблений алгоритм на відмінну від існуючих дозволяє врахувати як ще один елемент FE параметр енергоспоживання мережі. Представлена математична модель визначення параметру енергоефективності. В процесі моделювання доведено, що розроблений алгоритм управління інфокомунікаційними потоками із використанням графових нейронних мереж дав змогу зменшити параметр затримки у пікові години навантаження на 18%. Зокрема, в даній моделі був врахований параметр енергоспоживання, який був визначений на базі власної методики і в окремому імітаційному програмному забезпеченні. Також шляхом моделювання доведено, що розроблений алгоритм агрегації із використанням глибокої нейронної мережі дозволяє здійснити зменшення кількості службової інформації всередньому на 16%. Registration Date 2021-06-26 popup.nrat_date 2021-06-26 Close