@Article{, title={A Modified Wavenet-Based Link Status Predictor for Computer Networks متنبيء مُع دًّل لحالة الوصلات في شبكات الحاسوب بإعتماد الشبكات العصبية المويجية}, author={Omar A. Hazim عمر عبد الكريم حازم and Jassim M. Abdul-Jabbar جاسم محمد عبد الجبار}, journal={Iraqi Journal for Electrical And Electronic Engineering المجلة العراقية للهندسة الكهربائية والالكترونية}, volume={9}, number={2}, pages={49-58}, year={2013}, abstract={In this paper, a modified wavelet neural network (WNN) (or wavenet)-based predictor is introduced to predict link status (congestion with load indication) of each link in the computer network. On the contrary of previous wavenet-based predictors, the proposed modified wavenet-based link state predictor (MWBLSP) generates two indicating outputs for congestion and load status of each link based on the premeasured power burden (square values) of utilization on each link in the previous time intervals. Fortunately, WNNs possess all learning and generalization capabilities of traditional neural networks. In addition, the ability of such WNNs are efficiently enhanced by the local characteristics of wavelet functions to deal with sudden changes and burst network load. The use of power burden utilization at the predictor input supports some non-linear distributions of the predicted values in a more efficient manner. The proposed MWBLSP predictor can be used in the context of active congestion control and link load balancing techniques to improve the performance of all links in the network with best utilization of network resources.

في هذه الورقة، تم أٌقتراح متنبيء مُع دًّل بإعتماد الشبكة العصبية المويجية ) WNN ( ) أو wavenet ( للتنبؤبحالات الإكتظاظ مع بيان الحمل في كل وصلة في الشبكة الحاسوبية. وعلى العكس من المتنبئات السابقة بإعتمادwavenet ، فإن المتنبيء المُعدل المقترح لحالة الوصلة ) MWBLSP ( يولد إخراجين يشيران الى كل من الإكتظاظوحالة الحمل لكل وصلة. و قد تم بناءهما على أساس إدخال قيم تربيعية من الاستغلال في كل وصلة في فترات زمنيةسابقة. ولحسن الحظ ، فإن الشبكات العصبية المويجية تمتلك كل قدرات التعلم والتعميم التي تمتلكها الشبكات العصبيةالتقليدية. وبالإضافة إلى ذلك، فإن أمكانيات هذا النوع من الشبكات العصبية يتم تحسينها بكفاءة من خلال الخصائصالمحلية للدوال المويجة للتعامل مع التغيرات المفاجئة والكبيرة للحمل على الشبكة. إن استخدام القيم التربيعيةلإستغلال الشبكة كمدخلات للمتنبيء يدعم بعض التوزيعات غير الخطية من القيم المتوقعة بطريقة أكثر كفاءة. ويمكنإستخدام المتنبيء MWBLSP المقترح في مضمار التحكم النشط بالإكتظاظ وتقنيات تحقيق توازن الحمل لتحسينأداء جميع الوصلات في الشبكة مع الاستغلال الأمثل لموارد تلك الشبكة.} }