다층 퍼셉트론을 이용한 ATM 망에서의 연결수락제어 = ATM Connection Admission Control Scheme Using Multilayer Perceptron

국문 초록 (Abstract)

본 논문에서는 비동기식 전송모드(ATM. Asynchronous Transfer Mode) 망에서 트래픽 특성이 서로 다른 이질(heterogeneous)호원에 대한 연결수락제어(CAC: Connection Admission Control)를 위해 신경망(neural network)을 이용한 방법을 제안한다. 이를 위해 먼저 트래픽 특성이 동일한 호원들을 하나의 트래픽 클래스로 정의하고, 신경망의 입력 변수로는 ATM 노드의 출력 링크에 정규화된 평균부하로 표현되는 이를 트래픽 클래스의 호원수를 사용한다. 또한 서비스 품질(QoS: Quality of Service)에 근거한 연결 수락/거절의 결정값을 신경망의 출력 변수로 사용하는 오류 역전파(error back-propagation)를 이용한 다층 퍼셉트론(multi-layer perceptron) 신경망 모델을 사용한다. 한편 신경망 성능에 영향을 미치는 확률변수로서 정의되는 QoS 파라미터에 대한 효과적인 측정 및 관리와 제어/관측/학습으로 이루어지는 신경망 제어과정을 논한다. 특히 정확한 연결수락 경계치를 빠른 시간 내에 학습하고 유한한 학습 패턴 테이블을 효율적으로 사용하기 위한 비균등 패턴 테이블 영역 할당방법을 제시한다. 제안된 변경 제어기의 타당성 및 성능을 분석하기 위해 시뮬레이션을 수행하였으며 ATM망의 실질적인 입력 호원들을 사용하기 위해 버스티(bursty) 특성을 잘 표현하는 ON-OFF 호원 모델과 화상원을 잘 표현하는 AR(auto-regressive) 모델을 사용하였다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose a connection admission control(CAC) scheme for asynchronous transfer mode(ATM) networks using a neural network to support heterogeneous traffic sources. We classify the traffic sources into traffic classes based on their traffic characteristics. The number of connections of each traffic class, which is represented by the ratio of the mean offered load to the output link capacity of the ATM node, is used for the corresponding input of the neural network. The proposed CAC uses the multi-layer perceptron (feed-forward neural network) with error back-propagation for learning the relation between the number of connections and the decision value based on service qualities of each traffic class. We discuss the control procedure that consists of control, measurement, and learning phases. We also present the efficient method to measure and manage the QoSs of each traffic class which are most represented in probabilistic metrics. Moreover we present new approach to handle a training pattern storage called the "non-equal pattern table allocation method" which increases the correctness of decision function in a short tenn and the effective usage of the finite learning pattern table The performance of the proposed controller is evaluated by simulation using both the ON-OFF source model which represents the bursty and correlation traffic sources and the auto-regressive model for video traffic.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 호원 모델링
• 3. 연결수락제어를 위한 기존의 신경망 응용예
• 4. 신경망을 이용한 연결수락제어 제안
• 5. 시뮬레이션에 의한 성능분석
• 6. 결론
• 참고문헌