Intelligent Computer Network for Railway Transport Using Neuro-Fuzzy Means for Determining the Optimal Route

ENG: At the present stage, the information and telecommunications system of railway transport uses local networks of the following technologies: Ethernet; Fast Ethernet; Gigabit Ethernet, as well as the OSPF routing protocol, when used in real time, a problem arises due to constant changes in the volume of transmitted data, and for its solution, it is possible to consider the use of a neurofuzzy tool, which confirms the relevance of the topic. As a mathematical apparatus for solving the problem of determining the optimal route, a neural fuzzy network of the configuration «12-24-144-144-1» was taken, where 12 is the number of input neurons (delays on routers); 24 is the number of hidden neurons taking into account the terms; 144 is the number of hidden neurons according to the number of rules; 1 is the number of resulting neurons (total delay on routers along the route). Using the Fuzzy Logic Toolbox package of the MatLAB environment, a Sugeno ANFIS algorithm (with a Gaussian membership function for hidden neurons) was created, on which the mean square error and the number of learning epochs were studied using various learning optimization methods (Backpropagation, Hybrid) on samples of different lengths. It was determined that the accuracy of the created neurofuzzy tool is 80% for the considered fragment of the railway transport information and telecommunications system; a general scheme of an intelligent computer network based on ANFIS was proposed.

UKR: На сучасному етапі в інформаційно-телекомунікаційній системі залізничного транспорту застосовуються локальні мережі наступних технологій: Ethernet; Fast Ethernet; Gigabit Ethernet, а також протокол маршрутизації OSPF, при використанні якого в реальному часі з’являється проблема завдяки постійним змінам обсягів передаваємих даних, і для вирішення якої можливий розгляд використання нейронечіткого засобу, що підтверджує актуальність теми. У якості математичного апарату для розв’язання задачі визначення оптимального маршруту взято нейронечітку мережу конфігурації «12-24-144-144-1», де 12 – кількість вхідних нейронів (затримки на маршрутизаторах); 24 – кількість прихованих нейронів з урахуванням термів; 144 – кількість прихованих нейронів відповідно до кількості правил; 1 – кількість результуючих нейронів (загальна затримка на маршрутизаторах за маршрутом). За допомогою пакета Fuzzy Logic Toolbox середовища MatLAB створено за алгоритмом Сугено ANFIS (з Гаусовською функцією належністю для прихованих нейронів), на якій проведено дослідження середньоквадратичної похибки та кількості епох навчання за різними методами оптимізації навчання (Backpropagation, Hybrid) на вибірках різної довжини. Визначено, що точність створеного нейронечіткого засобу складає 80 % для розглянутого фрагменту інформаційно-телекомунікаційної системи залізничного транспорту; запропоновано загальну схему інтелектуальної комп’ютерної мережі на основі ANFIS.