tuzsutТруды учебных заведений связиProceedings of Telecommunication Universities1813-324X2712-8830СПбГУТtuzsut-347Research ArticleСтатьиРЕШЕНИЕ ЗАДАЧИ КЛАССИФИКАЦИИ ТРАФИКА С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОЙ СЕТИTHE SOLUTION OF THE PROBLEM OF TRAFFIC CLASSIFICATION USING NEURAL NETWORKSГойхманВ. Ю.GoikhmanV.

Гойхман Вадим Юрьевич - кандидат технических наук, доцент кафедры инфокоммуникационных систем Санкт-Петербургского государственного университета телекоммуникаций им. проф. М.А. Бонч-Бруевича

vg@sotsbi.ruЛапийА. И.LapiyA.

Лапий Алиса Игоревна - студент факультета инфокоммуникационных сетей и систем Санкт-Петербургского государственного университета телекоммуникаций им. проф. М.А. Бонч-Бруевича

linkin-lesya@mail.ruСанкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-БруевичаРоссия201613042022214347Copyright © Гойхман В.Ю., Лапий А.И., 20222022Гойхман В.Ю., Лапий А.И.Goikhman V., Lapiy A.This work is licensed under a Creative Commons Attribution 4.0 License.https://tuzs.sut.ru/jour/article/view/347

Статья посвящена разработке архитектуры нейронной сети для классификации распределений различного вида. Так же произведен анализ влияния параметров сети на качество распознавания нейронной сетью сигналов, подаваемых на ее вход. На основе результатов анализа показана возможность построения оптимальной нейронной сети и дальнейшей работы неизвестными распределениями, например, значениями трафика.

The article is devoted to development architecture of neural network for traffic classification. Dependence of quality of neural network’s recognition of signals given on it entrance from parameters of a neural network is analyzed. On the basis of results of the analysis the possibility of creation of an optimum neural network is shown, and further it is possible to work with various entrance values, for example values of traffic.

нейронные сетиклассификация трафикаархитектура нейронной сетиneural networkstraffic classificationarchitecture of neural networkReferencesМедведев В. С., Потемкин В. Г. Нейронные сети. Matlab 6. М.: Диалог-МИФИ, 2002. 496 с. ISBN 5-86404-163-7.Медведев В. С., Потемкин В. Г. Нейронные сети. Matlab 6. М.: Диалог-МИФИ, 2002. 496 с. ISBN 5-86404-163-7.Christopher M. Bishop. Neural Networks for Pattern Recognition, Clarendon press Oxford, 1995. 482 р.Christopher M. Bishop. Neural Networks for Pattern Recognition, Clarendon press Oxford, 1995. 482 р.Комашинский В. И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия-Телеком, 2003. 94 с. ISBN 5-93517-094-9.Комашинский В. И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия-Телеком, 2003. 94 с. ISBN 5-93517-094-9.Осовский С. Нейронные сети для обработки информации / пер. с польского И. Д. Рудинского. М.: Финансы и статистика, 2002. 344 с.: ил. ISBN 5-279-02567-4.Осовский С. Нейронные сети для обработки информации / пер. с польского И. Д. Рудинского. М.: Финансы и статистика, 2002. 344 с.: ил. ISBN 5-279-02567-4.Учебник «СтатСофт» [Электронный ресурс] / URL: http://www.statsoft.ru/home/textbook/modules/stneunet.htmlУчебник «СтатСофт» [Электронный ресурс] / URL: http://www.statsoft.ru/home/textbook/modules/stneunet.htmlКруглов В. В., Борисов В. В. Искусственные нейронные сети: теория и практика. М.: Горячая линия-Телеком, 2002. 382 с. ISBN 5-93517-031-0.Круглов В. В., Борисов В. В. Искусственные нейронные сети: теория и практика. М.: Горячая линия-Телеком, 2002. 382 с. ISBN 5-93517-031-0.

The authors declare that there are no conflicts of interest present.