ПОЗНАВАТЕЛЬНОЕ

Сила воли ведет к действию, а позитивные действия формируют позитивное отношение

Как определить диапазон голоса - ваш вокал

Игровые автоматы с быстрым выводом

Как цель узнает о ваших желаниях прежде, чем вы начнете действовать. Как компании прогнозируют привычки и манипулируют ими

Целительная привычка

Как самому избавиться от обидчивости

Противоречивые взгляды на качества, присущие мужчинам

Тренинг уверенности в себе

Вкуснейший "Салат из свеклы с чесноком"

Натюрморт и его изобразительные возможности

Применение, как принимать мумие? Мумие для волос, лица, при переломах, при кровотечении и т.д.

Как научиться брать на себя ответственность

Зачем нужны границы в отношениях с детьми?

Световозвращающие элементы на детской одежде

Как победить свой возраст? Восемь уникальных способов, которые помогут достичь долголетия

Как слышать голос Бога

Классификация ожирения по ИМТ (ВОЗ)

Глава 3. Завет мужчины с женщиной

Оси и плоскости тела человека - Тело человека состоит из определенных топографических частей и участков, в которых расположены органы, мышцы, сосуды, нервы и т.д.

Отёска стен и прирубка косяков - Когда на доме не достаёт окон и дверей, красивое высокое крыльцо ещё только в воображении, приходится подниматься с улицы в дом по трапу.

Дифференциальные уравнения второго порядка (модель рынка с прогнозируемыми ценами) - В простых моделях рынка спрос и предложение обычно полагают зависящими только от текущей цены на товар.

Основные направления применения искусственных нейронных сетей в телекоммуникационных системах

ЛЕКЦИЯ 8.Применение нейронных сетей в телекоммуникационных системах 4 часа

Содержание

Основные направления применения искусственных нейронных сетей в ТКС. Использование нейронных сетей для маршрутизации. Использование нейронных сетей при планировании сетей подвижной радиосвязи. Использование нейронных сетей для распределения каналов в сотовых радиосетях

Применение нейронных сетей в телекоммуникационных системах

Основные направления применения искусственных нейронных сетей в телекоммуникационных системах

Длительное время считалось, что нейрокомпьютеры эффективны и применимы лишь для решения так называемых неформализуемых и плохо формализуемых задач, связанных с необходимостью включения в алго­ритм их решения данных обучения на реальном экспериментальном мате­риале. В первую очередь к таким задачам относятся задачи распознавания образов. В последнее время область применения нейроинформационных технологий динамично расширяется Они вес шире и шире использу­ются в задачах с ярко выраженным естественным параллелизмом: обра­ботка сигналов, изображений и т. п.

Среди основных выделяют четыре области применения нейрокомпью­теров в системах связи

управление коммутацией;

маршрутизация;

управление трафиком;

распределение каналов в подвижных системах радиосвязи.

Решение практически любой задачи в нейросетевом логическом базисе предполагает наличие следующих этапов

формирование входного и выходного сигналов НС;

формирование желаемого выходного сигнала НС;

формирование сигнала ошибки и функционала оптимизации;

формирование структуры НС, адекватной выбранной задачи;

разработка алгоритма настройки НС, эквивалентного процессу реше­ния задачи в нейросетевом логическом базисе;

проведение исследований процесса решения задачи.

Метод обучения и нейронная сеть, используемая для управления рабо­той высокоскоростной коммутационной сети с пакетной передачей в асинхронном режиме, описаны в работе Сеть используется для управления коммутацией пакетов при передаче речи, изображений и дан­ных. Коммутатор представлен как логическое устройство, на вход которо­го поступает N сигналов и которое на выходе воспроизводит эти сигналы в любом представленном порядке.

В работе рассматривается пространственный коммутатор (входы и выходы коммутатора являются различными физическими линиями). Приводятся примеры формирования структуры НС для управления про­цессом коммутации в различных телекоммуникационных системах.

В настоящее время число связей, эмулируемых в нейрокомпьютер может достигать нескольких сот миллионов. Поэтому становится возмо) ным построение коммутаторов с нейросетевым управлением на несколы сот каналов [9]. В работе [49] рассматривается многоступенчатая комм; тационная схема Баньяна и се управление с помощью нейроконтроллер Подробнее об управлении коммутацией с использованием искусственнь НС можно ознакомиться в и других работах.

Использование НС для управления трафиком в сложных многоступенчатых системах связи предложено в работе Трудность задачи об; словлена тем, что, во-первых, заранее неизвестны параметры, характер! зуюшие потоки информации, а во-вторых, требования к качеству мог> меняться со временем. НС решает задачи оптимизации, связанные с нахс ждением бесконфликтных потоков при заданных входных и выходны значениях. При этом НС легко адаптируется к изменениям условий.

С нейросетевыми алгоритмами маршрутизации в системах связи моя но ознакомится в работах [9,], а один из возможных алгоритмов мар шрутизации будет рассмотрен в п. 3.1.2.

Постановка и решение задачи распределения каналов в подвижны системах радиосвязи в нейросетевом базисе мало отличаются от поста новки и решения задачи маршрутизации. Разница заключена в cotoboi структуре радиосети и большом числе коммутируемых узлов [9, ]. Одш из возможных алгоритмов распределения каналов в подвижных система: радиосвязи рассматривается в п.3.1.4.

В п.3.1.3 описан нейросетевой алгоритм прогнозирования напряжен ности поля, который как и алгоритм распределения каналов в подвижны; системах радиосвязи может быть использован на этапе проектирование таких систем.

Кроме вышеперечисленных областей применения нейронных сетей i телекоммуникационных системах, перспективным является использова ние нейросетсвых алгоритмов в задачах кодирования и декодированш информации. В качестве первоочередных можно рассматривать задат связанные с обработкой речевой информации и изображений [12] . Широко известным является метод сжатия информации, предло­женный в 1987 году [13]. При этом используется трехслойный перцеп-трон, у которого число элементов входного и выходного слоев одинаково, а число элементов скрытого слоя значительно меньше. Если обучение произведено таким образом, что на выходе воспроизводится тот же самый вектор, который подается на входной слой, то такой перцептрон автома­тически осуществляет сжатие информации (на элементах скрытого слоя возникает представление каждого вектора, которое значительно короче, чем длина вектора, подаваемого на вход). Таким образом, передача пред­варительно сжатой информации по линии связи позволяет уменьшить число необходимых для этого каналов. Реализуется это следующим обра­зом. На одном конце линии помещают входной и скрытый слои перцеп-трона, а результат работы элементов скрытого слоя (короткие векторы) подают в канал. Поместив на другом конце линии копию скрытого слоя и выходной слой, можно на выходе последнего воспроизвести исходный вектор.

Большое количество работ посвящено построению нейросетевых при­емников систем множественного доступа.

С другими вариантами применения НС в телекоммуникационных сис­темах можно ознакомиться в [9,].

Таким образом, область применения искусственных НС в телекомму­никационных системах постоянно расширяется. В этих условиях появле­ние на рынке недорогих как многофункциональных, так и ориентирован­ных на решение конкретных задач нейрочипов и нейрокомпьютеров будет способствовать быстрому переходу к очередному этапу развития теле­коммуникационных систем - появлению интеллектуальных телекоммуни­кационных систем. Ждать этого, по всей видимости, остается совсем не­долго.