Predicción del tráfico de una red inalámbrica basada en redes neuronales artificiales mediante elalgoritmo de Levenberg-Marquardt

• Ramiro Osorio ^[1] ; Martha Y. Segura ^[1] ; Mauricio A. Villalba ^[1]
  1. [1] Universitaria Agustiniana

     Universitaria Agustiniana

     Colombia

     
• Localización: Desarrollo e innovación en ingeniería / coord. por Edgar Serna M., 2019, ISBN 978-958-52333-0-0, págs. 27-36
• Idioma: español
• Enlaces
  • Texto Completo Libro (pdf)
• Resumen

  • Este capítulo se desarrolla dentro del marco del proyecto de investigación “Predicción del tráfico de red de las aplicaciones web enla nube nativa basada en redes neuronales artificiales mediante software libre” en la Universitaria Agustiniana. Como consecuenciadel estudio y análisis en la investigación se desarrolla un prototipo en software libre que permita realizar la predicción del consumode ancho de banda de la red cuando se usan aplicaciones web conectadas a la nube, con el fin de alcanzar la máxima productividaden la solución de problemas computacionales actuales, basado en la metodología propuesta. En el presente trabajo se muestra elalgoritmo de entrenamiento de redes neuronales Levenberg-Marquardt (LM), que permite modelar una red neuronal multicapa,con un mínimo de tres capas, con el fin de aprender y predecir la medición del tráfico de red una inalámbrica, y validar elcomportamiento del parámetro de red, consumo de ancho de banda, para optimizar en el tiempo los recursos de red y asegurar elmejoramiento de la calidad del servicio en aplicaciones. Como menciona [1] “El tráfico producido en una red de computadoras no esmás que una serie de tiempo, es decir un conjunto de valores de un mismo atributo censados en períodos regulares”. Para efectuar lapredicción del tráfico de la red inalámbrica se realiza una captura de datos almacenados en una matriz (data set), realizando sieteexperimentos, variando el número de capas de las redes neuronales y verificando el número óptimo de capas. Para cadaexperimento se aplica el algoritmo de entrenamiento Levenberg-Marquardt (LM), dando como resultado que las neuronasaprendan a tomar esos datos, aplicando la Inteligencia Artificial, donde el Error Mínimo Cuadrado tienda a ser aproximado a ceroy generando un modelo de predicción del ancho de banda. “Se requiere un sistema de predicción de tráfico para propósitos deplaneación y dimensionamiento, esto permitirá pronosticar las demandas de tráfico según períodos de tiempo anteriores” [2].