Redes Neurais Artificiais para Predição de Tolerância a Falhas em Redes Ópticas

Abstract

Avaliar a resiliência de redes é uma tarefa computacionalmente custosa, visto que o método mais confiável e popular para este tipo de análise é por meio de simulações de falhas em enlaces ou em equipamentos da rede. Por outro lado, técnicas de aprendizagem de máquina tem sido usadas como bons substitutos para problemas semelhantes de predição de desempenho e aproximação de funções em geral em diversos domínios de aplicação. Este artigo propõe o uso de Redes Neurais Artificiais (RNA) para predizer o nível de tolerância a falhas de enlaces de fibra óptica em redes de transporte, usando métricas topológicas e outras informações da rede como entrada da RNA. Neste trabalho foi produzida uma base de dados para treinamento derivada de redes ópticas implantadas atualmente e os resultados foram comparados com um simulador de eventos discretos usado em trabalhos anteriores. Foram consideradas falhas simples e duplas nos enlaces de fibra óptica. De acordo com os resultados obtidos, e possível obter um método de avaliação de falhas de redes baseado em RNA que é 51.050 vezes mais rápido do que as simulações tradicionais e que apresenta um erro médio quadrático em torno de 3 · 10−3.