CONGESTION CONTROL MODELLING BASED ON LOCALLY LINEAR NEUROFUZZY NETWORK
محل انتشار: چهاردهمین کنفرانس مهندسی برق ایران
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,607
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE14_178
تاریخ نمایه سازی: 25 تیر 1387
چکیده مقاله:
In this paper, a sample of a congestion control data will model by neuro-fuzzy algorithm. To build the neuro-fuzzy model, a locally linear learning algorithm, namely, Locally Linear Mode Tree (LoLiMoT) is used. Then, a congestion controller is applied to the identified model This intelligent algorithm provides more speed, less training time and less sum square error in simulation than MLP. Simulation will done with some cell loss data that are fetched from a broadband integrated services digital network(B-ISDN), and represents not only maximizing in speed but also make less sum square error in optimization of parameters.
کلیدواژه ها:
نویسندگان
M Nikoo
Shahid Beheshti University
F. Torkamani-Azar
Shahid Beheshti University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :