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

Simple item page
dc.contributor.authorPakhomova, Victoria M.en
dc.contributor.authorLanevych, Vladyslaven
dc.date.accessioned2026-02-04T12:02:17Z
dc.date.issued2025
dc.descriptionV. Pakhomova: ORCID 0000-0002-0022-099X; V. Lanevych: ORCID 0009-0004-8130-3499en
dc.description.abstractENG: 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.en
dc.description.abstractUKR: 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.uk_UA
dc.identifier.citationPakhomova V., Lanevych V. Intelligent Computer Network for Railway Transport Using Neuro-Fuzzy Means for Determining the Optimal Route. ScientificWorldJournal. 2025. Iss. 34, Pt 1. Р. 118-125. DOI: 10.30888/2663-5712.2025-34-01-106.en
dc.identifier.doi10.30888/2663-5712.2025-34-01-106
dc.identifier.issn2663-5712(Online)
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/21583
dc.identifier.urihttps://www.sworldjournal.com/index.php/swj/issue2025-34
dc.language.isoen
dc.publisherSworld & D.A. Tsenov Academy of Economics, Svishtov, Bulgariaen
dc.rightsCreative Commons Attribution 4.0 International Licenseen
dc.rights.urihttps://creativecommons.org/licenses/by/4.0
dc.subjectinformation and telecommunications systemen
dc.subjectEthernet family technologiesen
dc.subjectOSPFen
dc.subjectrouter delayen
dc.subjectneurofuzzy toolen
dc.subjectSugenoen
dc.subjectGaussian functionen
dc.subjectlearning optimizeren
dc.subjectepochen
dc.subjecterroren
dc.subjectintelligent computer networken
dc.subjectінформаційно-телекомунікаційна системаuk_UA
dc.subjectтехнології родини Ethernetuk_UA
dc.subjectзатримка на маршрутизаторахuk_UA
dc.subjectнейронечіткий засібuk_UA
dc.subjectСугеноuk_UA
dc.subjectГаусовська функціяuk_UA
dc.subjectоптимізатор навчанняuk_UA
dc.subjectепохаuk_UA
dc.subjectпохибкаuk_UA
dc.subjectінтелектуальна комп’ютерна мережаuk_UA
dc.subjectКЕОМuk_UA
dc.subject.classificationTECHNOLOGYen
dc.subject.classificationTECHNOLOGY::Information technologyen
dc.titleIntelligent Computer Network for Railway Transport Using Neuro-Fuzzy Means for Determining the Optimal Routeen
dc.title.alternativeІнтелектуальна комп’ютерна мережа залізничного транспорту з використанням нейронечіткого засобу для визначення оптимального маршрутуuk_UA
dc.typeArticleen

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Pakhomova_Lanevych.pdf
Size:
966.87 KB
Format:
Adobe Portable Document Format
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Статті КЕОМ