基于神經網絡的cac
作者：佚名 時間：2013-09-08 分享到：
呼叫按納控制(cac,calling admit control)要根據對新呼叫和現有連接的qos,業務量我的分析來進行,然而,在大型atm網絡中這種分析是非常復雜的耗時的,因為業務各類繁多,qos各異,并且因業務的同步關系,比特速率,連接模式,種類等都不盡相同,混合起來的業務更是十分復雜.解決這類問題,需要具有高速運算機制和對各種復雜情況的自適應能力的方法,人們提出了基于3層前饋神經網絡和反向傳播學習算法的cac模型,為在大型atm網絡中實現自適應cac提供了一個交好的候選方案.
基于前饋神經網絡實現cac的基本原理是:將用戶提供的業務量特性參數,要求的qos參數以及將信元到達速率,信元損失率,信元產生率,二線線路利用率已接受連接數等交換機復用狀態信號作為網絡的連接權重,便可建立輸入與輸出之間的一個非線性關系,有了這樣的關系,便可根據用戶提交的業務量特性,要求的qos以及當前的交換機復用狀態來預測qos,如果滿足要求便 可接受連接請求,否則便拒絕.
如沒特殊注明，文章均為上海聯楷網絡原創,轉載請注明來自：http://www.ktcbnqb.cn/hynews/20151126/n3049.html
