Тип публикации: статья из журнала
Год издания: 2024
Ключевые слова: traffic distribution, quality of service, explainable artificial intelligence, infocommunications networks, time delay, распределение трафика, качество обслуживания, объяснимый искусственный интеллект, инфокоммуникационные сети, время задержки
Аннотация: Современные инфокоммуникационные сети представляют собой набор значительного числа узлов и каналов связи между ними, что усложняет процесс анализа характеристик таких сетей. Аналитические методы содержат большое число допущений и не могут в полной мере отразить все нюансы процедур обслуживания. Имитационное моделирование позволяет Показать полностьюучесть множество составляющих процедур обслуживания, но требует для оценки характеристик реальных сетей больших временных и вычислительных затрат. В настоящее время существуют методы машинного обучения, использование которых позволяет решать задачи распределения трафика путем оценки характеристик качества обслуживания. Применение методов объяснимого искусственного интеллекта к полученному решению позволяет получить информацию о наиболее влияющих факторах с целью их дальнейшего использования для задачи распределения трафика. Поэтому целью данной работы является разработка концепции применения объяснимого искусственного интеллекта для решения задачи распределения трафика в инфокоммуникационной сети при обеспечении заданного уровня качества обслуживания. Предполагается, что использование данной концепции в перспективных инфокоммуникационных сетях позволит решать задачи управления распределением трафика с целью повышения надежности доставки информации и удовлетворенности пользователей. Modern infocommunication networks are a set of a significant number of nodes and communication channels between them, which complicates the process of analyzing the characteristics of such networks. Analytical methods contain a large number of assumptions and cannot fully reflect all the nuances of maintenance procedures. Simulation allows you to take into account many components of maintenance procedures, but requires a lot of time and computing costs to assess the characteristics of real networks. Currently, there are machine learning methods that can be used to solve traffic distribution problems by evaluating service quality characteristics. The methods of explainable artificial intelligence allow us to obtain information about the most influential factors in order to use them further in solving the problem of traffic distribution. Therefore, the purpose of this work is to develop the concept of using explainable artificial intelligence to solve the problem of traffic distribution in an infocommunication network
Журнал: Инновации
Выпуск журнала: № 2
Номера страниц: 37-42
ISSN журнала: 20713010
Место издания: Санкт-Петербург
Издатель: Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина), ООО "Трансфер-Инновации"