Development of stratified approach to software defined networks simulation

Abstract

Запропоновано стратифікований підхід до імітаційного моделювання програмно-конфі-гурованих мереж. Запропоновано імітаційні моделі мережі, активних і пасивних компо-нентів -контролера, комутатора, хоста та комунікаційних каналів. Придатність підхо-ду до цільового використання підтверджено шляхом співставлення одержаних результа-тів імітаційного моделювання із результата-ми емуляції мережі у середовищі Mininet Ключові слова: програмно-конфігурована мережа, імітаційне моделювання, дискрет-но-подійна специфікація системи, великі дані Предложен стратифицированный подход к имитационному моделированию программно-конфигурируемых сетей. Предложены ими-тационные модели сети, активных и пассив-ных компонентов -контроллера, коммута-тора, хоста и коммуникационных каналов. Пригодность подхода к целевому использо-ванию подтверждена путем сопоставления полученных результатов имитационного мо-делирования с результатами эмулирования сети в среде Mininet Ключевые слова: программно-конфигури-руемая сеть, имитационное моделирование, дискретно-событийная спецификация систе-мы, большие данные UDC 004.75 : 004.94

Construction of a genetic method to forecast the population health indicators based on neural network models

“…1-3) do not solve the issue of the long-term dependence of data sent to the input because the presented data can be considered a time series as the values of the examined parameters change over time. To analyze and predict a time series, one can use models based on neural networks with a long short-term memory (LSTM) [21].…”

“…Retraining is one of the significant problems that complicate the practical application of neural networks. One technique to prevent the neural network retraining is the Dropout method, which implies excluding certain neurons of the network in the learning process [21].…”

“…The use of known statistics methods for forecasting the dependence of health indicators, as well as mathematical 21. Belyaeva, I. N., Bogachev, V. E., Chekanov, N. A.…”

Development of a genetic algorithm for placing power supply sources in a distributed electric network

“…Another important factor of effectiveness of evolutionary computations is modeling of reproduction and inheritance. The options considered may, by some rule, give rise to new solutions that will inherit the best features of their "ancestors" [31].…”

Development of the method for decomposition of superpositions of unknown pulsed signals using the second­order adaptive spectral analysis

“…However, the methods proposed in papers [25][26][27][28][29][30] do not allow solving the problems associated with processing data presented in the form of time series effectively. Articles [31][32][33] propose information technologies, which realize methods [25][26][27][28][29][30]. Despite high efficiency in processing of large-volume of multidimensional data, such methods do not solve the problems of signal processing and time series [34] effectively enough.…”