Repository logo
Communities & Collections
All of CRUST
Statistics
English
Yкраїнська
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Іванченко, Дмитро Вікторович"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Item type:Item,
    Дослідження структури мережі MPLS на залізничному транспорті з використанням інтелектуального засобу
    (Видавничий дім «Гельветика», 2025) Пахомова, Вікторія Миколаївна; Іванченко, Дмитро Вікторович
    UKR: На сучасному етапі в комп’ютерних мережах залізничного транспорту застосовується протокол OSPF, при використанні якого в реальному часі з’являється проблема завдяки постійним змінам обсягів передаваємих даних, і для вирішення якої доцільно використання технології MPLS з створеним інтелектуальним засобом, що підтверджує актуальність теми. У якості математичного апарату для розв’язання задачі інжинірингу трафіку взято нейронну мережу конфігурації «11-X-Y-2», де 11 – кількість вхідних (input) нейронів (це параметри трьох потоків та двох тунелів); X – кількість прихованих шарів, що потребує подальшого дослідження; Y – загальна кількість прихованих нейронів, що потребує додаткового дослідження; 2 – кількість вихідних (output) нейронів. У роботі за допомогою мови Python створено відповідну програмну модель «Stream_TE-tunnel», на якій проведено дослідження похибки нейронних мереж за різною кількістю прихованих шарів (1, 2, 3 та 4) з різною кількістю нейронів на кожному прихованому шарі (16, 32, 64, 128 та 256) при використанні різних функцій активацій нейронів на прихованих шарах (ReLU, Leaky ReLU, Sigmoid, Tanh, ELU та Swish) та різних алгоритмів навчання (SGD, Adam, RMSprop, Adagrad, Nadam, Adamdelta та Ftrl) на вибірках різної довжини (360, 1800, 3600, 7200, 10800, 14400, 18000, 21600, 25200 та 28800 прикладів). Для нейронної мережі конфігурації «11-256-128-2» (256 – кількість нейронів першого прихованого шару; 128 – кількість нейронів другого прихованого шару) при використанні функції активації ReLU на прихованих шарах та функції активації Linear на результуючому шарі за алгоритмом навчання Adam проведено дослідження залежності якості розв’язання задачі інжинірингу трафіку від послідовності обробки потоків в мережі MPLS. Визначено, що максимальний коефіцієнт навантаження тунелю на створеній програмній моделі «Stream_TE-tunnel» склав 0,748, що відрізняється від теоретичного значення приблизно на 2,8%. Таким чином, у роботі проведено дослідження одного із можливих варіантів структури мережі MPLS на залізничному транспорті з використанням створеного інтелектуального засобу для розподілу трьох потоків по двом тунелям при відомих значеннях середніх швидкостей потоків і пропускних спроможностей тунелів.

DSpace software copyright © 2002-2026 LYRASIS

  • Accessibility settings
  • Privacy policy
  • End User Agreement
  • Send Feedback
Repository logo COAR Notify