У статті представлений аналіз існуючих традиційних методів пошуку оптимального маршруту при маршрутизації в корпоративних мережах. В якості альтернативи традиційним методам, запропонований нейро-нечіткий підхід для оптимізації процесу маршрутизації з урахуванням про- гнозування виходу з ладу жорсткого диска сервера. Для прогнозування використовувався пакет FuzzyTech середовища Matlab . Написана програма , яка базується на апараті нейро-нечіткої ло- гіки. В якості вхідних даних взято дані корпорації Google , які були опубліковані на конференції в Торонто. На підставі цих даних, спрогнозована ймовірність відмови жорсткого диска сервера , що призведе до змін в архітектурі корпоративної мережі , а , отже , принесе зміни і в процес ма- ршрутизації. Обговорено переваги нейро-нечіткого методу перед традиційними , а саме враху- вання думки експерта , здатність до самонавчання і здатність працювати з нелінійними функці- ями. Ключові слова: нейро-нечітка мережа, адаптивна маршрутизація, інтелектуальне прогнозуван- ня, нейронна мережа, навчання мережі, матричний алгоритм, самонавчання мережі, правила на- вчання, функція активації, гібридна мережа, оптимальний маршрут.
В статье представлен анализ существующих традиционных методов поиска оптимального маршрута при маршрутизации в корпоративных сетях. В качестве альтернативы традиционно- му методу, предложен нейро-нечеткий подход для оптимизации процесса маршрутизации с уче- том прогнозирования выхода из строя жёсткого диска сервера. Для прогнозирования использо- вался пакет FuzzyTech среды Matlab. Написана программа, которая основана на аппарате нейро- нечеткой логики. В качестве исходных данных взяты данные корпорации Google, которые были опубликованные на конференции в Торонто. На основании этих данных, спрогнозирована вероят- ность отказа жесткого диска сервера, что приведет к изменениям в архитектуре корпоратив- ной сети, а, следовательно, принесет изменения и в процесс маршрутизации. Оговорены преиму- щества нейро-нечеткого метода перед традиционными, а именно учет мнения эксперта, способ- ность к самообучению и способность работать с нелинейными функциями. Ключевые слова: нейро-нечеткая сеть, адаптивная маршрутизация, интеллектуальное прогно- зирование, нейронная сеть, обучение сети, матричный алгоритм, самообучение сети, правила обучения, функция активации, гибридная сеть, оптимальный маршрут
The paper presents analysis of the existing traditional methods of finding the best route for routing in networks. As an alternative to the traditional method, was proposed a neuro-fuzzy approach for the optimization of the routing process with the prediction of failure of the server's hard disk drive. For the prediction we used the package FuzzyTech environment Matlab. The program that is based on the unit neuro-fuzzy logic was written. The initial data are taken data corporation Google, which was published at a conference in Toronto. Based on these data, the predicted probability of failure of the hard disk server, resulting in changes in the architecture of a corporate network, and consequently bring changes in the routing process. Specific advantages of the neuro-fuzzy method over the traditional, namely, accounting expert opinion, the ability to self-learning and the ability to work with non-linear functions. Keywords: neuro-fuzzy network, adaptive routing, intelligent prediction, neural network, training of the network, matrix algorithm, self-learning network, learning rules, activation function, hybrid network, optimal route
