Predikce datového toku v počítačových sítích

Abstract

Předmětem této diplomové práce bylo seznámit se s problematikou predikce výskytu dat v počítačových sítích. Dále se tato práce zabývala síťovým provozem a analýzou jeho vlastností. V této práci byly rozebrány možnosti predikce síťového provozu pomocí FARIMA modelu, teorii chaosu s Lyapunovým exponentem a pomocí neuronových sítí. Nejpodrobněji zde byly probrány možnosti predikce, se zaměřením na neuronové sítě. Konkrétně tedy hlavně na rekurentní neuronové sítě. Predikce se prováděly pomocí programu Matlab ve vývojovém prostředí Neural Network Toolbox, kde byly vytvořeny, natrénovány a otestovány neuronové sítě pro predikci konkrétních druhů síťového provozu. Pro testování byly vybrány Elmanova síť, NARX síť a obecná LRN rekurentní síť. Získané výsledky byly přehledně zpracovány do tabulek a vyneseny do grafických závislostí před a po použití navržené predikční techniky se závěrečným zhodnocením.The aim of this thesis was to study problems of prediction of data in computer networks. Furthermore, this work deals with network traffic and analyzing its properties. In this study were analyzed the possibilities of network traffic prediction using Farima model, the theory of chaos with Lyapunov exponents and neural networks. Possibilities of prediction with the focus on neural network were discussed in detail here, mainly on recurrent neural networks. Prediction was performed in Matlab development environment in Neural Network Toolbox, where they were created, trained and evaluated neural network to predict specific types of network traffic. For testing were selected Elman network NARX network and general LRN recurrent network. The results were clearly organized into tables and plotted in graphical relationships before and after the use of predictive techniques designed to final evaluation.