การศึกษาการควบคุมความคับคั่งแบบบีพีซีเอ็นในโครงข่ายเอทีเอ็มโดยตัวทำนายค่าแบบนิวรอลเนตเวิร์ก

Abstract

การวิจัยนี้มีจุดมุ่งหมายเพื่อศึกษาการควบคุมทราฟฟิกภายในโครงข่ายเอทีเอ็มด้วยวิธีการ ควบคุมแบบบีพีซีเอ็นโดยนำตัวทำนายค่าแบบนิวรอลเนตเวิร์กมาทำนายสภาวะของทราฟฟิกเพื่อป้อนกลับ โดยกำหนดให้ระบบที่ศึกษาประกอบด้วยแหล่งกำเนิดทราฟฟิกแบบมีการรับรอง และแหล่งกำเนิดทราฟฟิก แบบเอบีอาร์ ซึ่งมีผลรวมกันทำให้ความเข้มข้อมูลมีค่าใกล้เคียงกับอัตราการนำข้อมูลออกของเอทีเอ็มสวิตช์ และจุดที่ข้อมูลเกิดสภาวะคับคั่งได้คือบัฟเฟอร์ขาออกของเอทีเอ็มสวิตช์ ผลการจำลองทำให้ทราบถึงรูปแบบและ เงื่อนไขการกำหนดค่าพารามิเตอร์ต่าง ๆของนิวรอลเนตเวิร์กที่เหมาะสมต่อการทำนายสภาวะทราฟฟิก อันได้แก่ จำนวนนิวรอนในชั้นซ่อนตัว ค่าในอดีตที่เหมาะสมในการทำนายแต่ละช่วงค่าในอนาคต จำนวนชุดข้อมูลสำหรับทำการสอนนิวรอลเนตเวิร์ก และจำนวนรอบในการสอน ซึ่งนิวรอลเนตเวิร์กที่ผ่านการเรียนรู้ด้วยเงื่อนไขต่าง ๆที่เหมาะสมจะให้ค่าความผิดพลาดกำลังสองเฉลี่ยที่มีค่าต่ำทั้งในกรณีที่ทดสอบกับชุดข้อมูลสำหรับทำการสอนและชุดข้อมูลอื่น ๆ จากแหล่งกำเนิดทราฟฟิกชุดเดียวกัน โดยเมื่อค่าการประวิงในการแพร่กระจายต้องมีค่าไม่เกิน 20 หน่วยเวลา โดยที่ 1 หน่วยเวลา คือเวลาที่ใช้ในการส่งข้อมูล 1 เอทีเอ็มเซลล์ ที่ 155 Mbps ผลการนำเอานิวรอลเนตเวิร์กดังกล่าวมาควบคุมทราฟฟิกภายในระบบเอทีเอ็ม พบว่าให้สมรรถนะดีกว่าการควบคุมแบบบีพีซีเอ็นที่ใช้อัลกอริทึมอาร์แอลเอสในระยะที่ช่วงการประวิงในการแพร่กระจายมีค่าต่ำกว่า 20 หน่วยเวลา กล่าวคือ เมื่อใช้การควบคุมทราฟฟิกแบบบีพีซีเอ็นที่ใช้นิวรอลเนตเวิร์ก ในการทำนายค่าแล้วส่งผลให้ ทราฟฟิกแบบมีการรับรองมีค่าการประวิงในการส่งข้อมูลลดลงเป็น 88% - 95%, อัตราส่วนการสูญเสียของข้อมูลมีค่าลดลงเป็น 37%-86%, และทราฟฟิกแบบเอบีอาร์มีอัตราส่วนการสูญเสียลดลงเป็น 18%-92% โดยค่าทั้งหมดเทียบกับการควบคุมทราฟฟิกแบบบีพีซีเอ็นที่ใช้อัลกอริทึมอาร์แอลเอส อย่างไรก็ตามการควบคุมแบบบีพีซีเอ็นที่ใช้นิวรอลเนตเวิร์กในงานวิจัยนี้ ยังคงมีผลกระทบต่อการประวิงในการส่งข้อมูลของทราฟฟิกแบบเอบีอาร์ซึ่งเพิ่มขึ้นอีก 5%-9% เมื่อเทียบกับการควบคุมทราฟฟิกแบบบีพีซีเอ็นที่ใช้อัลกอริทึมอาร์แอลเอส ซึ่งแนวโน้มดังกล่าวนี้ปรากฏเช่นเดียวกัน ในผลการควบคุมแบบบีอีซีเอ็นและผลการควบคุมแบบ บีพีซีเอ็นที่ใช้อัลกอริทึมอาร์แอลเอส