Искусственные нейронные сети

Из особенностей искусственных нейронных сетей видно, что: существует множество парадигм, топологий нейронных сетей (сеть Кохонена – SOM, BP-SOM, LVQ, ART и т.д.), а следовательно, большие трудности вызывает выбор нейронной сети, необходимой для решения конкретной задачи создания или адаптации; обучение сети при определенных условиях может быть не закончено или сеть может быть обучена недостаточно хорошо, что влияет на качество получаемых решений; возможна ситуация, когда появление нового входного набора параметров потребует полного переобучения нейронной сети; применение нейросетевого подхода оправдано лишь в случае невозможности построения адекватной математической модели; также нейронные сети имеют ограниченное число приложений, где целесообразно их применение. Перечисленные недостатки искусственных нейронных сетей ограничивают их применение для моделирования вычислительных сетей.

Математико-физическая модель

Математико-физическая модель вычислительной сети, состоит из связанных между собой математической и физической моде­лей. Однако, при построении математико-физической модели уже на начальной стадии необходимо представление сети в виде связанной совокупности функционально законченных компонент, что не позволяет в полной мере учесть такие важные критерии как расширяемость и масштабируемость сети. Также планирование эксперимента и проведение самого эксперимента на математико-физической модели может занять гораздо больше времени, чем весь процесс реализации корпоративной функционально-ориентированной сети в целом.

Физическая модель

При физическом моделировании исследуемая система заменяется соответствующей ей другой материальной системой. Примером этого вида моделирования может служить «пилотная» сеть, с помощью которой изучается принципиальная возможность построения сети на основе тех или иных компьютеров, коммуникационных устройств, ОС и приложений. Возможности физического моделирования ограничены. Оно позволяет решать отдельные задачи при задании небольшого количества сочетаний исследуемых параметров сети. При физическом моделировании сети практически невозможно проверить ее работу для вариантов с использованием различных типов коммуникационных устройств - маршрутизаторов, коммутаторов и т.п. Проверка на практике около десятка разных типов маршрутизаторов связана не только с большими усилиями и временными затратами, но и с немалыми материальными затратами. Даже и в тех случаях, когда при оптимизации сети изменяются не типы устройств и ОС, а только их параметры, проведение экспериментов в реальном масштабе времени для огромного количества всевозможных сочетаний этих параметров практически невозможно за обозримое время. Простое изменение максимального размера пакета в каком-либо протоколе требует переконфигурирования ОС в сотнях компьютеров сети, что требует от администратора проведения очень большой работы. Поэтому, при создании и адаптации корпоративных функционально-ориентированных сетей во многих случаях предпочтительным оказывается использование математического моделирования.