论文部分内容阅读
该文介绍一种使用一个神经网络的自适应控制器,它能够有效地控制ATM统计复用器中短期拥塞的发生。在尽可能高的编码速率和尽可能低的信元丢失率这两个性能之间折衷考虑,以满足不同变速率业务的要求。定义反映编码速率和信元丢失的代价函数,利用神经网络的“学习”特性,不断地对信元丢失率性能和信源编码性能进行优化折衷,实现自适应业务变化及流量变化、在线“学习”控制规则的拥塞控制。仿真结果表明,该方法能够在尽量保证业务质量的同时,有效地减少短期拥塞的发生。