Дисертації: "123 Комп’ютерна інженерія"

1

Бутинець, Віталій Юрійович. "Mетоди та засоби прогнозування трафіку комп'ютерних мереж на основі нейромережевих моделей". Master's thesis, Тернопільський національний технічний університет імені Івана Пулюя, 2020. http://elartu.tntu.edu.ua/handle/lib/33265.

Повний текст джерела

Анотація:

Мета дипломної роботи магістра полягає у дослідженні методів і засобів прогнозування трафіку у комп’ютерних мережах засобами машинного навчання. У роботі запропоновано застосування моделей ARMA та АРІМА для прогнозування часових рядів при аналізі трафіку локальних комп’ютерних мереж, коли трафік передачі та приймання пакетів є однорідним і взаємодія між вузлами мережі приблизно рівномірна. Спроектовано архітектури глибоких нейронних мереж, вхідний шар яких містить 7 нейронів, кількість проміжних шарів становить 4 рівні, вихідний шар містить один нейрон, що дало змогу практично в реальному часі забезпечити високу точність прогнозування (97%) трафіку для інтернет-сервіс провайдерів на інтервал 1 год вперед. На основі технології контейнеризації та інструментів Docker створено контейнер з необхідною інфраструктурою для використання реалізованої моделі нейронної мережі сторонніми програмними сервісами, що дало змогу забезпечити її кросплатформність і гнучкість застосування.
The purpose of the master's thesis is to study the methods and means of forecasting traffic in computer networks by machine learning. The paper proposes the use of ARMA and ARIMA models for time series prediction in the analysis of local computer network traffic, when the packet transmission and reception traffic is homogeneous and the interaction between network nodes is approximately uniform. Architectures of deep neural networks are designed, the input layer of which contains 7 neurons, the number of intermediate layers is 4 levels, the output layer contains one neuron, which allowed to provide high real-time prediction (97%) of traffic for Internet service providers at interval 1 year ahead. Based on the containerization technology and Docker tools, a container with the necessary infrastructure for the use of the implemented neural network model by third-party software services was created, which allowed to ensure its cross-platform and flexibility of application.
Вступ. 1. Аналіз сучасних досліджень у сфері у галузі прогнозування трафіку комп’ютерних мереж. 2. Побудова моделі та розробка алгоритму прогнозування трафіку у комп’ютерних мережах. 3. Реалізація запропонованих моделей та методу прогнозування трафіку у комп’ютер- них мережах. 4. Охорона праці та безпека в надзвичайних ситуаціях. Висновки