基于神经网络的CAC

时间：2013-9-8

  呼叫按纳控制(CAC,Calling Admit Control)要根据对新呼叫和现有连接的QoS,业务量我的分析来进行,然而,在大型ATM网络中这种分析是非常复杂的耗时的,因为业务各类繁多,QoS各异,并且因业务的同步关系,比特速率,连接模式,种类等都不尽相同,混合起来的业务更是十分复杂.解决这类问题,需要具有高速运算机制和对各种复杂情况的自适应能力的方法,人们提出了基于3层前馈神经网络和反向传播学习算法的CAC模型,为在大型ATM网络中实现自适应CAC提供了一个交好的候选方案.
  基于前馈神经网络实现CAC的基本原理是:将用户提供的业务量特性参数,要求的QoS参数以及将信元到达速率,信元损失率,信元产生率,二线线路利用率已接受连接数等交换机复用状态信号作为网络的连接权重,便可建立输入与输出之间的一个非线性关系,有了这样的关系,便可根据用户提交的业务量特性,要求的QoS以及当前的交换机复用状态来预测QoS,如果满足要求便 可接受连接请求,否则便拒绝.