论文部分内容阅读
本文对神经网络方法在VBR视频通信量预测和最优信元调度中的应用进行了深入研究，研究工作主要包括以下几个方面：
(1) 简要介绍了神经网络的基础知识，感知机的学习算法，多层前馈神经网络的BP学习算法，反馈神经网络优化方法。
(2) 采用前馈神经网络对可变比特率(Variable Bit Rate-VBR)视频通信量预测进行了研究。提出一种自适应神经网络模型对VBR视频通信量进行非线性自适应预测，并采用基于递归最小方差(Recursive Least Square-RLS)的自适应学习及删剪算法对抽头延迟神经网络进行训练和结构优化，仿真实验表明，与其他预测方法相比，该模型能够实现对复杂视频通信量序列的更高精度的预测，满足实时快速的预测要求。
(3) 提出了一种Hopfield神经网络模型用于ATM交换中的信元调度。介绍了各种交换结构和缓冲策略，分析和仿真了输入缓冲和输出缓冲交换系统。由于存在队头阻塞(Head of Line blocking-HOL blocking)现象输入缓冲交换系统的性能很差。为了消除队头阻塞，提出了虚拟输出队列与无阻塞交换结构相结合的交换系统模型，并利用Hopfield神经网络实现调度算法。计算机模拟结果显示，与单队列输入缓冲交换系统相比，该方法可以将吞吐率从58.6％提高到99.3％，时延特性也有较大改善。