DOI QR코드

DOI QR Code

An Effective Training Pattern Processing Method for ATM Connection Admission Control Using the Neural Network

신경회로망을 이용한 ATM 연결 수락 제어를 위한 효율적인 학습패턴 처리 기법

  • 권오준 (동의대학교 컴퓨터·영상공학부) ;
  • 전형구 (동의대학교 정보통신학과) ;
  • 권순각 (동의대학교 컴퓨터·영상공학부) ;
  • 김태석 (동의대학교 컴퓨터·영상공학부) ;
  • 이정배 (선문대학교 컴퓨터정보학부)
  • Published : 2002.04.01

Abstract

The virtual cell loss rate was introduced for the training pattern of the neural network in the VOB(Virtual Output Buffer) model. The VOB model shows that the neural network can find the connection admission boundary without the real cell loss rate. But the VOB model tends to overestimate the cell loss rate, so the utilization of network is low. In this paper, we uses the reference curve of the cell loss rate, which contains the information about the cell loss rate at the connection admission boundary. We process the patterns of the virtual cell loss rate using the reference curve, We performed the simulation with two major ATM traffic classes. One is On-Off traffic class that has the traffic characteristic of LAN data and other is Auto-Regressive traffic class that has the traffic characteristic of a video image communication.

기존의 VOB(Virtual Output Buffer) 모델에서 신경회로망의 학습 패턴 처리를 위해 가상 셀 손실율이 도입되었다. VOB모델은 신경망이 실제 셀 손실율 없이도 연결 수락 경계을 잘 찾을 수 있음을 보여주었다. 그러나 VOB 모델은 셀 손실율을 과다 평가하는 경향이 있어 결과적으로 망 자원의 이용률이 낮은 단점이 있다. 본 논문에서는 이러한 단점을 보완하는 방법으로 연결 수락 경계에서 셀 손실율의 평균에 대한 정보를 충분히 포함하는 셀 손실율 참조 곡선의 개념을 제안하였다. 그리고 제안된 셀 손실율 참조 곡선을 이용하여 가상 셀 손실율을 처리하는 방법을 제안하였다. 제안된 한습 패턴 처리 방법은 ATM 트래픽 중에 가장 대표적인 두 가지 호원에 대하여 실험하였다. 실험에 사용된 호원은 LAN 데이터의 그래픽 특성을 가시는 On-Off 트래픽과 비디오 화상 통신의 특성을 가지는 Auto-Regressive 트래픽이다.

Keywords

References

  1. H. Heffes, Lucantoni, 'A Markov modulated characterization of packetized voice and data traffic and related statisical multiplexer performance,' IEEE Journal on Selected Area in Communications, Vol.4, pp.856-868, Sept. 1986 https://doi.org/10.1109/JSAC.1986.1146393
  2. Andrea Baiocchi, Nicola Blefari Melazzi, Marco Listanti, Aldo Roveri, and Roberto Winkler, 'Loss Performance Analysis of an ATM Multiplexer Loaded wigh High-Speed ON-OFF Sources,' IEEE Journal on Selected Area in Communications, Vol.9, No.3, pp.388-393, April, 1991 https://doi.org/10.1109/49.76637
  3. D. Anick, D. Mitra, M. M. Sondhi, 'Stochastic Theory of a Data-Handling System with Multiple Sources,' The Bell Syst. Tech. Journal, Oct. 1982
  4. Yasuhiro Miyao, 'Bandwidth Allocation in ATM Networks That Guarantee Multiple QOS Requirements,' IEEE ICC'93, 1993 https://doi.org/10.1109/ICC.1993.397512
  5. G. Ramamurthy and R. S. Dighe, 'Ditributed Source Control : A Network Access Control For Intergrated Broadband Packet Networks,' IEEE INFOCOM '90, 1990 https://doi.org/10.1109/INFCOM.1990.91337
  6. A. Hiramatsu, 'ATM Communications Network Control by Neural Network,' IEEE Transactions on Neural Networks, Vol.1, No.1, pp.122-130, Mar. 1990 https://doi.org/10.1109/72.80211
  7. A. Hiramatsu, 'ATM Call Admission Control using a Neural Netowrk trained with a Virtual Output Buffer Method,' Proc. ICNN'94, Vol.6, pp.3611-3616, 1994 https://doi.org/10.1109/ICNN.1994.374918
  8. 강구홍, 김치하, '다층 퍼셉트론을 이용한 ATM망에서의 연결수락제어', 정보과학회논문지, 제23권 제12호, pp.1225-1237, 1996
  9. 시스템공학연구소, 'ATM망에서의 연결 수락 제어를 위한 신경망 모델 개발', SERI '97 최종연구보고서, 포항공대, 1997