应用神经网络和时间分析进行自适应网络性能预测

Silvio E. Ribeiro, R. Menezes, Ariel L. C. Portela, T. P. Araujo, Rafael L. Gomes
{"title":"应用神经网络和时间分析进行自适应网络性能预测","authors":"Silvio E. Ribeiro, R. Menezes, Ariel L. C. Portela, T. P. Araujo, Rafael L. Gomes","doi":"10.5753/sbrc.2023.508","DOIUrl":null,"url":null,"abstract":"Serviços de monitoramento de rede são executados por diversas empresas e Provedores de Internet (ISPs), que fornecem resultados de testes regulares de desempenho, tais como vazão, perda, atraso, dentre outros. Estas medições auxiliam a conhecer o comportamento da rede, bem como obter informações para um planejamento estratégico. Contudo, estas ferramentas ainda precisam evoluir a fim de englobar atividades mais complexas, tal como predição do desempenho, principalmente dentro do contexto atual de demanda elástica. Dentro deste contexto, este artigo apresenta um modelo adaptativo de predição de desempenho de rede baseado em Redes Neurais e Análise de Séries Temporais, habilitando a identificação do desempenho futuro da rede em determinados períodos, de acordo com medições de rede passadas. Os experimentos realizados, usando dados reais da Rede Nacional de Ensino e Pesquisa (RNP), mostram que o modelo proposto consegue atingir altos níveis de acurácia na predição, bem como supera o uso dos modelos de predição existentes.","PeriodicalId":254689,"journal":{"name":"Anais do XLI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2023)","volume":"55 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-05-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Aplicando Redes Neurais e Análise Temporal para Predição Adaptativa de Desempenho de Rede\",\"authors\":\"Silvio E. Ribeiro, R. Menezes, Ariel L. C. Portela, T. P. Araujo, Rafael L. Gomes\",\"doi\":\"10.5753/sbrc.2023.508\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Serviços de monitoramento de rede são executados por diversas empresas e Provedores de Internet (ISPs), que fornecem resultados de testes regulares de desempenho, tais como vazão, perda, atraso, dentre outros. Estas medições auxiliam a conhecer o comportamento da rede, bem como obter informações para um planejamento estratégico. Contudo, estas ferramentas ainda precisam evoluir a fim de englobar atividades mais complexas, tal como predição do desempenho, principalmente dentro do contexto atual de demanda elástica. Dentro deste contexto, este artigo apresenta um modelo adaptativo de predição de desempenho de rede baseado em Redes Neurais e Análise de Séries Temporais, habilitando a identificação do desempenho futuro da rede em determinados períodos, de acordo com medições de rede passadas. Os experimentos realizados, usando dados reais da Rede Nacional de Ensino e Pesquisa (RNP), mostram que o modelo proposto consegue atingir altos níveis de acurácia na predição, bem como supera o uso dos modelos de predição existentes.\",\"PeriodicalId\":254689,\"journal\":{\"name\":\"Anais do XLI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2023)\",\"volume\":\"55 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-05-22\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais do XLI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2023)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/sbrc.2023.508\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XLI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC 2023)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbrc.2023.508","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

网络监控服务由几家公司和互联网服务提供商(isp)执行,它们提供定期性能测试的结果,如流量、损耗、延迟等。这些测量有助于了解网络的行为,并为战略规划提供信息。然而,这些工具仍然需要发展,以包括更复杂的活动,如性能预测,特别是在当前弹性需求的背景下。在此背景下,本文提出了一种基于神经网络和时间序列分析的自适应网络性能预测模型,能够根据过去的网络测量来识别特定时期的未来网络性能。利用国家教育研究网络(RNP)的真实数据进行的实验表明,所提出的模型能够达到较高的预测精度水平,并克服了现有预测模型的使用。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Aplicando Redes Neurais e Análise Temporal para Predição Adaptativa de Desempenho de Rede
Serviços de monitoramento de rede são executados por diversas empresas e Provedores de Internet (ISPs), que fornecem resultados de testes regulares de desempenho, tais como vazão, perda, atraso, dentre outros. Estas medições auxiliam a conhecer o comportamento da rede, bem como obter informações para um planejamento estratégico. Contudo, estas ferramentas ainda precisam evoluir a fim de englobar atividades mais complexas, tal como predição do desempenho, principalmente dentro do contexto atual de demanda elástica. Dentro deste contexto, este artigo apresenta um modelo adaptativo de predição de desempenho de rede baseado em Redes Neurais e Análise de Séries Temporais, habilitando a identificação do desempenho futuro da rede em determinados períodos, de acordo com medições de rede passadas. Os experimentos realizados, usando dados reais da Rede Nacional de Ensino e Pesquisa (RNP), mostram que o modelo proposto consegue atingir altos níveis de acurácia na predição, bem como supera o uso dos modelos de predição existentes.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信