TCP吞吐量预测:基于神经网络的方法
"基于神经网络方法的TCP吞吐量建模研究,旨在通过BP神经网络对TCP协议的吞吐量进行预测。论文作者为陈增强、陈华良和刘忠欣,他们来自南开大学信息科学技术学院自动化系。研究中,神经网络模型以RTT(往返时间)、RTO(重传超时)和丢包事件率为输入,以吞吐量为输出,通过典型数据样本训练得到一个三层(3-10-1)的NN模型,并在广泛范围的NS2模拟中进行测试,表现出优于传统分析模型的性能。此外,该模型由于固定且计算复杂度低,适用于实时在线计算。为了验证其实用性,论文将该模型应用于TCP-Friendly Rate Control (TFRC) 协议,改进后的TFRC协议在各种条件下的性能均有所提升。关键词包括:TCP、吞吐量、神经网络、NS2、TFRC" 本文详细探讨了如何利用神经网络技术来建立TCP协议的吞吐量预测模型。传统的TCP吞吐量预测通常基于分析模型,而陈增强等人提出的方法则引入了神经网络,这是一种人工智能领域中用于模拟人脑学习过程的工具。他们设计了一个包含输入层、隐藏层和输出层的三层神经网络(3-10-1),其中输入层接收三个关键的TCP参数:RTT(衡量网络延迟)、RTO(指示数据传输可能出错的时间阈值)和丢包事件率(反映网络拥塞的程度)。这些参数直接影响到TCP的流量控制和拥塞控制机制,从而影响到吞吐量。 通过训练大量的典型数据样本,神经网络得以学习并理解这些参数与吞吐量之间的复杂关系。在NS2(网络模拟器2)上进行广泛的模拟测试,结果显示,相对于传统的分析模型,神经网络模型能更准确地关联和预测TCP吞吐量,特别是在复杂的网络环境中。这是因为神经网络能够捕获非线性和动态的模式,这是传统模型可能无法处理的。 此外,该神经网络模型一旦训练完成,便可以作为一个固定的计算工具,其计算复杂度较低,适合于实时在线的吞吐量预测,这在资源有限的网络环境中尤其有价值。论文还展示了将这个模型应用于TCP-Friendly Rate Control (TFRC) 协议的实例,TFRC是一种旨在避免TCP洪泛并保持公平性的速率控制算法。神经网络模型的集成改善了TFRC在不同网络条件下的性能,证明了这种方法在实际应用中的潜力。 这篇论文为TCP吞吐量的预测提供了一个新的、更精确的工具,利用神经网络模型能够更好地适应网络环境的变化,提高了流量控制的效率和准确性。对于网络工程和优化、尤其是涉及TCP协议的系统设计者来说,这是一个值得研究和应用的新方向。
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![.pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
- 粉丝: 494
- 资源: 1万+
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 新型矿用本安直流稳压电源设计:双重保护电路
- 煤矿掘进工作面安全因素研究:结构方程模型
- 利用同位素位移探测原子内部新型力
- 钻锚机钻臂动力学仿真分析与优化
- 钻孔成像技术在巷道松动圈检测与支护设计中的应用
- 极化与非极化ep碰撞中J/ψ的Sivers与cos2φ效应:理论分析与COMPASS验证
- 新疆矿区1200m深孔钻探关键技术与实践
- 建筑行业事故预防:综合动态事故致因理论的应用
- 北斗卫星监测系统在电网塔形实时监控中的应用
- 煤层气羽状水平井数值模拟:交替隐式算法的应用
- 开放字符串T对偶与双空间坐标变换
- 煤矿瓦斯抽采半径测定新方法——瓦斯储量法
- 大倾角大采高工作面设备稳定与安全控制关键技术
- 超标违规背景下的热波动影响分析
- 中国煤矿选煤设计进展与挑战:历史、现状与未来发展
- 反演技术与RBF神经网络在移动机器人控制中的应用
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)