Planificador de celdas basado en redes neuronales para nodos ATM

Vista sencilla de ítem
dc.contributor.advisorCastañeda Marín, Hernando
dc.contributor.authorColmenares Pérez, Yahir Augusto
dc.contributor.authorLeal Abril, Joaquín Enrique
dc.contributor.authorRamírez Díaz, Carlos Eduardo
dc.contributor.cvlacLeal Abril, Joaquín Enrique [0001391328]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.date.accessioned2024-10-16T21:16:53Z
dc.date.available2024-10-16T21:16:53Z
dc.date.issued1999
dc.degree.nameIngeniero de Sistemasspa
dc.description.abstractEl objetivo de este trabajo es proponer el uso de un algoritmo competitivo, basado en redes neuronales, para la planificación de celdas ATM. El desempeño de este algoritmo se presenta mediante una simulación por computador, en donde se demuestra que el algoritmo competitivo es más óptimo en caso de tráfico por ráfaga, teniendo una menor tasa de pérdida de celdas que la disciplina clásica Round-Robín. Para el desarrollo de este proyecto, como primera medida, se construyó un modelo conceptual del problema, luego se tradujo al lenguaje de programación MATLAB dando como resultado unas instrucciones ejecutables. Una vez implementado el modelo en forma ejecutable, se determina que los resultados esperados hechos por la simulación, sean similares a los datos del sistema real. En conclusión, el planificador basado en redes neuronales tiene mejor desempeño que el planificador Round-Robín debido a que el planificador desarrollado en este proyecto tiene la capacidad de adaptarse a los diferentes tipos de tráfico, característica que no tiene Round-Robín, demostrando así la efectividad de este método de planificación.spa
dc.description.abstractenglishThe objective of this work is to propose the use of a competitive algorithm based on neural networks for ATM cell planning. The performance of this algorithm is presented through a computer simulation, where it is shown that the competitive algorithm is more optimal in case of burst traffic, having a lower cell loss rate than the classic Round-Robin discipline. For the development of this project, as a first step, a conceptual model of the problem was built, then it was translated into the MATLAB programming language resulting in executable instructions. Once the model was implemented in executable form, it was determined that the expected results made by the simulation are similar to the data of the real system. In conclusion, the neural network-based planner has better performance than the Round-Robin planner because the planner developed in this project has the ability to adapt to different types of traffic, a characteristic that Round-Robin does not have, thus demonstrating the effectiveness of this planning method.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsIntroducción 21 1. Marco teórico 24 1.1. Atm (modo de transferencia asíncrona) 24 1.1.1. Isdn de banda ancha atm 29 1.1.1.1. Modelo de referencia b-isdn atm 30 1.1.2. Circuito virtuales y conmutación de circuitos 34 1.1.3. Conmutadores atm 37 1.1.4. Categorías de servicios 41 1.1.5. Calidad de servicio 45 1.2. Redes neuronales 49 1.2.1. Antecedentes 49 1.2.2. Generalidades de las redes neuronales 52 1.2.2.1. Redes neuronales de tipo biológico 54 1.2.2.2. Redes neuronales para aplicaciones concretas 56 1.2.3. Taxonomía de las redes neuronales 57 1.2.3.1. Reglas de entrenamiento supervisado 60 1.2.3.2. Reglas de entrenamiento no supervisado 60 1.2.4. Funciones de base y activación 62 1.2.4.1. Función de base 62 1.2.4.2. Función de activación 63 1.2.5. Estructuras de las redes neuronales artificiales 64 1.2.5.1. Estructuras de conexión de atrás hacia adelante 64 1.2.6. Tamaño de las redes neuronales 66 1.2.7. Modelos no supervisados 66 1.2.7.1. Redes de aprendizaje competitivo 67 1.2.7.2. Modelo básico de aprendizaje 69 1.2.7.3. Reglas de entrenamiento basadas en pesos normalizados 70 1.2.8. Red de kohonen 71 1.2.9. Aplicaciones 74 1.3. Round robin 76 2. Planificación de celdas basado en redes neuronales 79 2.1. Descripción del modelo 79 2.2. Implementación del modelo 83 2.2.1. Matlab 83 3. Simulador de algoritmos de programación de celdas 86 3.1. Descripción 86 3.2. Resultados 91 4. Conclusiones 95 5. Recomendaciones 96 Bibliografía 97 Anexos 98spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/26942
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería de Sistemasspa
dc.publisher.programidISI-1791
dc.relation.referencesANDINA DE LA FUENTE, Diego. “Tutorial De Redes Nouronales”. Universidad Politécnica de Madrid-UPM, España, 1997. http://www.gc.ssr.upm.es/inves/neural/ann2/anntutor.htmspa
dc.relation.referencesASHBY, W.R., “Design forthe brain”. John Willey & sons, New York, 1952. 750pspa
dc.relation.referencesFAUSETT, Laurence. "Fundamentáis Of Neural Networks: Archítectures, Algorithms, And Applications". Prentice Hall, Inc., 1994. 405p.spa
dc.relation.referencesGROSSBERG, S.,”How does a brain bulid a cognotive code?". Psychological Review, Vol 87, 1980. págs. 1-51.spa
dc.relation.referencesHAYKIN, Simón. "Neural Networks: A Comprehensive Foundation". Macmillan College Publishing Company, Inc., 1994. 679p.spa
dc.relation.referencesHEBB, D.O.. “The organization ofbehavior". John Willey & sons. New York, 1988. págs. 45-46.spa
dc.relation.referencesHOPFIELD, J.J., "Neural Networks and Physical system with Emergent Collective Computational Abilities”. Proceeding of the National Academy of Scientists, Vol 79, 1982. págs. 2554-2558.spa
dc.relation.referencesKRÓSE, Ben J.A. y VAN DER SMAGT, P. Patrick. “An Introduction To Neural Network". University Of Amsterdam, 1993. 243p.spa
dc.relation.referencesKUNG, S. Y.. "Digital Neural Networks". Prentice Hall, Inc., 1993. 843p.spa
dc.relation.referencesMC CULLOCH, W.S., y PITTS, W. "A logical calculus of the ¡deas imminent in nervious activity". Bulletin of mathemtical Biophysics, Vol 5, 1943. págs.115 -133.spa
dc.relation.referencesMINSKY, M.L., "Theory of Neural-Analog Reinforcement System and Its Applicatíons to the Brain-Model Problem". Ph.D. Thesis, Prínceton University, NJ. 1954.spa
dc.relation.referencesMINSKY, M.L. y PAPERT S. "Perceptrons".Cambridge”, MA:MITPress.1969.spa
dc.relation.referencesMONTBRUN, Oswaldo, y MONTBRUN, Andrés. “Matlab 5, The Lenguage Of Technical Computing". Automatización, C.A., Venezuela, 1997. http://www.eldish.net/hp/automat/MATLAB.HTMspa
dc.relation.referencesPARK, Young-Keun, y LEE, Gyungho. “NN Based ATM Cell Scheduling With Queue Length-Based Prioríty Scheme”. IEEE Jounal On Selected Áreas In Communications, Vol 15, No. 2, (Febrero 1997), págs. 261-270.spa
dc.relation.referencesRODRÍGUEZ, David. “Simulador de redes de colas: QSIM”. España. 1997 http://www.cps.unizar.es/~david23/publish/QNSim123/QNSimOverviewEsp.htmlspa
dc.relation.referencesROSENBLATT, F. "Principies of neurodynamics". Spartan Books. Washington,DC., 1962.spa
dc.relation.referencesRUMELHART D. E„ HINTON, G.E. y WIL.LIAMS R. J. publican "Learning internal representations by error propagatiorí' Nature (London), Ed. 323,1986. págs. 533- 536.spa
dc.relation.referencesSTALLINGS, W. “Data Computer Communications”. 4th Ed, Macmillan, 1994.spa
dc.relation.referencesTANENBAUM, Andrew. “Networks Of Computer”. Third Edition, Prentice Hall, Inc., 1997, 814p.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsSystems engineerspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsAsynchronous transferspa
dc.subject.keywordsNeural networksspa
dc.subject.keywordsCompetitive algorithmspa
dc.subject.keywordsRound-robin plannerspa
dc.subject.keywordsComputer simulationspa
dc.subject.keywordsElectronic data processingspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.keywordsNeural networks (Computer science)spa
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembSimulación por computadoresspa
dc.subject.lembProcesamiento electrónico de datosspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembRedes neuronales (Computadores)spa
dc.subject.proposalTransferencia asíncronaspa
dc.subject.proposalRedes neuronalesspa
dc.subject.proposalAlgoritmo competitivospa
dc.subject.proposalPlanificador round-robínspa
dc.titlePlanificador de celdas basado en redes neuronales para nodos ATMspa
dc.title.translatedNeural network-based cell scheduler for ATM nodesspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
1999_Colmenares_Perez_Yahir.pdf
Tamaño:
19.67 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería de Sistemas