| Título: | Classificador baseado em redes neurais convolucionais para algoritmos RMLSA em EONs |
| Autor(es): | Santos, Luiz Filipe de Andrade |
| Orientador(es): | Drummond, André Costa |
| Assunto: | Redes ópticas
Redes neurais (Computação)
Algoritmos de computador |
| Data de apresentação: | 7-Nov-2020 |
| Data de publicação: | 19-Abr-2021 |
| Referência: | SANTOS, Luiz Filipe de Andrade. Classificador baseado em redes neurais convolucionais para algoritmos RMLSA em EONs. 2020. 50 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação)—Universidade de Brasília, Brasília, 2020. |
| Resumo: | O advento das redes ópticas elásticas trouxeram uma flexibilidade e escalabilidade na alocação de espectro superior às tradicionais redes baseadas em multiplexação por divisão de comprimento de onda, podendo assim suportar a crescente demanda do tráfego da internet. Atualmente, os algoritmos de roteamento e alocação de espectro dessas redes utilizam estratégias fixas. A tendência natural de evolução desses algoritmos é a utilização de estratégias adaptativas, de acordo com o comportamento da rede. O primeiro passo para isso é checar se é possível extrair informações da rede óptica a partir do estado de alocação de espectro. Com esse objetivo em mente, foi criado um classificador baseado em redes neurais convolucionais profundas capaz de reconhecer em determinado momento qual heurística de roteamento e alocação de recursos RMLSA (Routing, Modulation Level and Spectrum Assigment) está sendo utilizada. O classificador proposto foi treinado com 11 algoritmos diferentes, e em 2 topologias diferentes de rede óptica elástica, alcançando uma acurácia superior a 90% em todos os casos. Os bons resultados obtidos mostram a viabilidade de generalizar o classificador para quaisquer algoritmos, sendo o passo inicial necessário para adoção de estratégias adaptativas. |
| Abstract: | The advent of elastic optical networks brought superior flexibility and scalability into the spectrum allocation compared to the traditional wavelength division multiplexing based networks, thus being able to support the growing demand of internet traffic. Currently, the routing and spectrum allocation algorithms of these networks use fixed strategies. The natural tendency of evolution of these algorithms is the use of adaptive strategies, according to the behavior of the network. The first step towards this is to check if it is possible to extract information from the optical network through spectrum allocation state. With this objective in mind, we created a deep convolutional neural network based classifier capable of recognizing at a given moment which routing and allocation RMLSA heuristic is being used. The proposed classifier was trained with 11 different algorithms, and with 2 different elastic optical network topologies, reaching an accuracy higher than 90 % in all cases. The good results obtained show the feasibility of generalizing the classifier for any algorithms, being the necessary initial step for the adoption of adaptive strategies. |
| Informações adicionais: | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2020. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia da Computação
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
