nach oben

Erschienen in:

2017 | OriginalPaper | Buchkapitel

NARX Neural Network for Prediction of Refresh Timeout in PIM–DM Multicast Routing

verfasst von : Nataliia Vladymyrska, Michał Wróbel, Janusz T. Starczewski, Viktoriia Hnatushenko

Erschienen in: Artificial Intelligence and Soft Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

In this paper, we propose a novel method for optimization of multicast routing. With the use of a NARX neural network, we predict a refresh timeout in PIM–DM algorithm.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Application of Stacked Autoencoders to P300 Experimental Data

Nächstes Kapitel Evolving Node Transfer Functions in Deep Neural Networks for Pattern Recognition

Adams, A., Nicholas, J., Siadak, W.: RFC 3973 protocol independent multicast – dense mode (PIM-DM): protocol specification (revised). Technical report (2005)

Bas, E.: The training of multiplicative neuron model based artificial neural networks with differential evolution algorithm for forecasting. J. Artif. Intell. Soft Comput. Res. 6(1), 5–11 (2016)CrossRef

Bilski, J., Smola̧g, J.: Parallel realisation of the recurrent RTRN neural network learning. In: Rutkowski, L., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) ICAISC 2008. LNCS, vol. 5097, pp. 11–16. Springer, Heidelberg (2008). doi:10.1007/978-3-540-69731-2_2 CrossRef

Bilski, J., Smola̧g, J.: Parallel realisation of the recurrent Elman neural network learning. In: Rutkowski, L., Scherer, R., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) ICAISC 2010. LNCS, vol. 6114, pp. 19–25. Springer, Heidelberg (2010). doi:10.1007/978-3-642-13232-2_3 CrossRef

Bilski, J., Smoląg, J.: Parallel realisation of the recurrent multi layer perceptron learning. In: Rutkowski, L., Korytkowski, M., Scherer, R., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) ICAISC 2012. LNCS, vol. 7267, pp. 12–20. Springer, Heidelberg (2012). doi:10.1007/978-3-642-29347-4_2 CrossRef

Bilski, J., Smoląg, J.: Parallel approach to learning of the recurrent Jordan neural network. In: Rutkowski, L., Korytkowski, M., Scherer, R., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) ICAISC 2013. LNCS, vol. 7894, pp. 32–40. Springer, Heidelberg (2013). doi:10.1007/978-3-642-38658-9_3 CrossRef

Cierniak, R.: A new approach to image reconstruction from projections using a recurrent neural network. Int. J. Appl. Math. Comput. Sci. 18(2), 147–157 (2008)MathSciNetCrossRef

Cierniak, R.: A novel approach to image reconstruction problem from fan-beam projections using recurrent neural network. In: Rutkowski, L., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) ICAISC 2008. LNCS, vol. 5097, pp. 752–761. Springer, Heidelberg (2008). doi:10.1007/978-3-540-69731-2_72 CrossRef

Cierniak, R.: A statistical appraoch to image reconstruction from projections problem using recurrent neural network. In: Diamantaras, K., Duch, W., Iliadis, L.S. (eds.) ICANN 2010. LNCS, vol. 6353, pp. 138–141. Springer, Heidelberg (2010). doi:10.1007/978-3-642-15822-3_17 CrossRef

10.

Diaconescu, E.: The use of NARX neural networks to predict chaotic time series. WSEAS Trans. Comp. Res. 3(3), 182–191 (2008)

11.

Dijkstra, E.W.: A note on two problems in connexion with graphs. Numer. Math. 1(1), 269–271 (1959)MathSciNetCrossRefMATH

12.

Harte, L.: Introduction to Data Multicasting, IP Multicast Streaming for Audio and Video Media Distribution. Althos, Slough (2008)

13.

Lin, T., Horne, B.G., Tino, P., Giles, C.L.: Learning long-term dependencies in NARX recurrent neural networks. IEEE Trans. Neural Networks 7(6), 1329–1338 (1996)CrossRef

14.

Nobukawa, S., Nishimura, H., Yamanishi, T., Liu, J.Q.: Chaotic states induced by resetting process in Izhikevich neuron model. J. Artif. Intell. Soft Comput. Res. 5(2), 109–119 (2015)CrossRef

15.

Williamson, B.: Developing IP Multicast Networks. Cisco Press, Indianapolis (2000)

Titel: NARX Neural Network for Prediction of Refresh Timeout in PIM–DM Multicast Routing
verfasst von: Nataliia Vladymyrska
Michał Wróbel
Janusz T. Starczewski
Viktoriia Hnatushenko
Verlag: Springer International Publishing
Buch: Artificial Intelligence and Soft Computing
Print ISBN: 978-3-319-59062-2

Electronic ISBN: 978-3-319-59063-9

Copyright-Jahr: 2017
DOI: https://doi.org/10.1007/978-3-319-59063-9_18

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner