Intelligent Computer Network for Railway Transport Using Neural Network for Determining the Optimal Route

ENG: At the present stage, the information and telecommunications system of railway transport uses local area networks of Ethernet family technologies and the OSPF 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 advisable to use a neural network tool, which confirms the relevance of the topic. As a mathematical apparatus for solving the problem of determining the optimal route, a neural network of the configuration «56-1-X-56» was taken, where 56 (first position) is the number of input neurons (delays on routers); 1 is the number of hidden layers; X is the number of hidden neurons that require additional research; 56 (last position) is the number of output neurons (signs of the entry of computer network channels into the route). In the program mode of the Deep Learning Toolbox package of the MatLAB environment, a corresponding model “Delay_path” was created, on which the root mean square error and the number of epochs of training of neural networks with different numbers of hidden neurons were studied using different neuron activation functions according to different learning algorithms on samples of different lengths. It was determined that the accuracy of the created neural network tool is 70 % for the considered fragment of the information and telecommunications system of railway transport.

UKR: На сучасному етапі в інформаційно-телекомунікаційній системі залізничного транспорту застосовуються локальні мережі технологій родини Ethernet i протокол OSPF, при використанні якого в реальному часі з’являється проблема завдяки постійним змінам обсягів передаваємих даних, і для вирішення якої доцільно використання нейромережного засобу, що підтверджує актуальність теми. У якості математичного апарату для розв’язання задачі визначення оптимального маршруту взято нейронну мережу конфігурації «56-1-X-56», де 56 (перша позиція) – кількість вхідних (input) нейронів (затримки на маршрутизаторах); 1 – кількість прихованих шарів; Х – кількість прихованих нейронів, що потребує додаткового дослідження; 56 (остання позиція) – кількість вихідних (output) нейронів (ознаки входження каналів комп’ютерної мережі до маршруту). У роботі в програмному режимі пакета Deep Learning Toolbox середовища MatLAB створено відповідну модель «Delay_path», на якій проведено дослідження середньоквадратичної похибки та кількості епох навчання нейронних мереж з різною кількістю прихованих нейронів при використанні різних функцій активацій нейронів за різними алгоритмами навчання на вибірках різної довжини. Визначено, що точність створеного нейромережного засобу складає 70 % для розглянутого фрагменту інформаційно-телекомунікаційної системи залізничного транспорту.