ПОВЫШЕНИЕ КАЧЕСТВА ФУНКЦИОНИРОВАНИЯ ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ НА ОСНОВЕ ИНТЕГРАЦИИ НЕЙРОННЫХ СЕТЕЙ
Аннотация
В статье предложена интеграция нейронной сетей, – как параллельной элементной базы в системы телекоммуникаций. В этом случае будет использовано их основное преимущество, способность к самообучению или адаптации к внешним условиям. Для систем телекоммуникаций в условиях помех данная способность позволит существенно повысить их помехоустойчивость, надежность, работоспособность и пр. В статье рассмотрен пример интеграции нейронной сети в дискретный согласованный фильтр сигналов. Отмечено, что применение в обработке сигналов параллельной математики, такой как система остаточных классов, приведет к максимальному эффекту повышения параметров качества таких элементов телекоммуникаций.
Цель – ознакомление с применением нейронных сетей в цифровой фильтрации; возможные направления интеграции технологий нейронных сетей.
Метод или методология проведения работы: в статье использовались гармонический анализ, преобразование Фурье, корреляционный анализ.
Результаты: внедрение массового параллелизма в телекоммуникации становиться реализуемым при интеграции нейронных сетей в элементы телекоммуникации. Эффективность становиться максимальной при применении одновременно параллельной математики системы остаточных классов.
Область применения результатов: применение в системах цифровой обработке сигналов с параллельной математикой, такой как система остаточных классов, приведет к максимальному эффекту повышения параметров качества таких элементов телекоммуникаций.
Скачивания
Литература
Список литературы
Jurgen W. Schmidhuber Deep learning in neural networks: An overview // Neural Networks. 2015. Volume 61. P. 85-117. https://doi.org/10.1016/j.neunet.2014.09.003
Funabiki N., Takefuji Y, Neural network parallel algorithm for channel assignment problems in cellular radio networks // IEEE Transactions on Vehicular Technology. 1992. Vol. 41, № 4. P. 464 – 474.
Funabiki Nobuo, Takefuji Yoshiyasu, Lee Cuo Chun. A neural network model for traffic control in multistage interconnection networks // IJCNN-91, Seattle, Wash., July 8-12, 1991. Vol. 2. P. 898.
Смирнов А.А. и др. Синтез элементов вычислительных систем в нейросетевом базисе // Современные наукоемкие технологии. 2018. № 7. С. 98-102. https://doi.org/10.17513/snt.37086
Karras D.A., Zorkadis V. On neural network techniques in the secure management of communication systems through improving and quality assessing pseudorandom stream generators // Neural Networks. 2003. Vol. 16, Issues 5–6. P. 899-905 https://doi.org/10.1016/S0893-6080(03)00124-2
Смирнов А.А. и др. Числа Мерсенна в основаниях системы остаточных классов при передаче данных в последовательных каналах связи // Итоги науки и техники. Современная математика и ее приложения. Тематические обзоры, 2019 г. Том 166. М.: ВИНИТИ РАН. С. 87-94. https://doi.org/10.36535/0233-6723-2019-166-87-94
Aazhang В., Paris В.P., Orsak G. С. Neural Networks for Multiuser Detection in CDMA Communications // IEEE Trans. Comm., July 1992, Vol. 40. P. 1212-1222.
Atsushi H. ATM communications network control by neural networks // IEEE Transactions on Neural Networks. 1990. Vol. 1, №1. https://doi.org/10.1109/72.80211
Amirhossein T., Masoud G., Saeed Reza K., Timothée M. Deep learning in spiking neural networks // Maida Neural Networks. 2019. Vol. 111. P. 47-63, https://doi.org/10.1016/j.neunet.2018.12.002
S. Herzog, C.Tetzlaff, F.Wörgötter Evolving artificial neural networks with feedback // Neural Networks. 2020. Vol. 123. P. 153-162. https://doi.org/10.1016/j.neunet.2019.12.004
Смирнов А.А., Сахнюк П.А. Нейросетевая реализация оптимального приемника в двоичных каналах связи // Проектирование и технологии электронных средств. Владимир: ВЛГУ, 2018. № 2. С. 3-9.
He G., Tang P., Pang X. Approaches to Implementation of Optimum Multiuser Detection in CDMA Channals // International Journal of Electronics. 1996. Vol. 80. P. 425-431. https://doi.org/10.1080/002072196137264
Смирнов А.А., Сахнюк П.А., Саиег Т.Х., Васильченко А.С., Ярошук А.А. Оценка помехоустойчивости каналов связи с замираниями при интеграции нейронной сети // Проектирование и технологии электронных средств. ВлГУ, 2019. № 4. С. 3-9.
Смирнов А.А., Сахнюк П.А.,Сеник В.В. Синтез схем цифровой обработки сигналов на основе обучения неросетевых схем // Нейрокомпьютеры, разработка и применение. М.: Радиотехника. 2004, № 5-6. С. 91-94.
Brown Т. X. Neural network for switcing. IEEE Comm. Mag., Nov., 1989, pp.72-81.
Zhang D., Jullien G.A. and Miller W. C. (1989). A neural-like approach to finite ring computation // IEEE Trans. Circuits and Syst., 1990. V. 37, № 8. P. 1048-1052.
Плотников В. А. Цифровизация как закономерный этап эволюции экономической системы // Экономическое возрождение России. 2020. № 2(64). С. 104-115. https://doi.org/10.37930/1990-9780-2020-2-64-104-115
Плотников В. А. Последствия цифровизации для современного социума / В. А. Плотников, В. Л. Нгуен // Современная наука: актуальные проблемы теории и практики. Серия: Экономика и право. 2022. № 1. С. 212-215. https://doi.org/10.37882/2223-2974.2022.01.35
Апатова Н. В. Цифровые трансформации бизнеса и социума // Вестник Тверского государственного университета. Серия: Экономика и управление. 2022. № 4(60). С. 60-71. https://doi.org/10.26456/2219-1453/2022.4.060-071
Подготовка бизнеса к цифровизации и его адаптация / Е. А. Алексеева, А. А. Гракун, Е. Д. Доморацкий, А. Д. Лычакова // Финансовый бизнес. 2022. № 1(223). С. 3-7.
Суворова С. Д. Цифровая трансформация бизнеса / С. Д. Суворова, О. М. Куликова // Инновационная экономика: перспективы развития и совершенствования. 2022. № 2(60). С. 54-59. https://doi.org/10.47581/2022/IE.2.60.10
Апатова Н. В. Управление процессами цифровой трансформации бизнеса // Ученые записки Крымского федерального университета имени В.И. Вернадского. Экономика и управление. 2022. Т. 8. № 2. С. 3-8.
Катрашова Ю. В. Использование «сквозных» цифровых технологий в сфере государственного управления / Ю. В. Катрашова, Г. Ю. Митяшин // Наука Красноярья. 2020. Т. 9. № 4. С. 85-102. https://doi.org/10.12731/2070-7568-2020-4-85-102
Катрашова Ю. В. Система социального рейтинга как форма государственного контроля над обществом: перспективы внедрения и развития, угрозы реализации / Ю. В. Катрашова, Г. Ю. Митяшин, В. А. Плотников // Управленческое консультирование. 2021. № 2(146). С. 100-109. https://doi.org/10.22394/1726-1139-2021-2-100-109
Котляров И. Д. Цифровая трансформация финансовой сферы: содержание и тенденции // Управленец. 2020. Т. 11, № 3. С. 72-81. https://doi.org/10.29141/2218-5003-2020-11-3-6
References
Jurgen W. Schmidhuber Deep learning in neural networks: An overview. Neural Networks. 2015. Volume 61. P. 85-117. https://doi.org/10.1016/j.neunet.2014.09.003
Funabiki N., Takefuji Y, Neural network parallel algorithm for channel assignment problems in cellular radio networks. IEEE Transactions on Vehicular Technology. 1992. Vol. 41, No. 4. P. 464 – 474.
Funabiki Nobuo, Takefuji Yoshiyasu, Lee Cuo Chun. A neural network model for traffic control in multistage interconnection networks. IJCNN-91, Seattle, Wash., July 8-12, 1991. Vol. 2. P. 898.
Smirnov A.A. and others. Synthesis of elements of computer systems in a neural network basis. Modern science-intensive technologies. 2018. No. 7. pp. 98-102. https://doi.org/10.17513/snt.37086
Karras D.A., Zorkadis V. On neural network techniques in the secure management of communication systems through improving and quality assessing pseudorandom stream generators. Neural Networks. 2003. Vol. 16, Issues 5–6. P. 899-905 https://doi.org/10.1016/S0893-6080(03)00124-2
Smirnov A.A. and others. Mersenne numbers in the bases of the system of residual classes when transmitting data in serial communication channels. Results of Science and Technology. Modern mathematics and its applications. Thematic reviews, 2019. Volume 166. M.: VINITI RAS. pp. 87-94. https://doi.org/10.36535/0233-6723-2019-166-87-94
Aazhang V., Paris V.P., Orsak G. S. Neural Networks for Multiuser Detection in CDMA Communications. IEEE Trans. Comm., July 1992, Vol. 40. P. 1212-1222.
Atsushi H. ATM communications network control by neural networks. IEEE Transactions on Neural Networks. 1990. Vol. 1, No. 1. https://doi.org/10.1109/72.80211
Amirhossein T., Masoud G., Saeed Reza K., Timothée M. Deep learning in spiking neural networks. Maida Neural Networks. 2019. Vol. 111. P. 47-63, https://doi.org/10.1016/j.neunet.2018.12.002
S. Herzog, C. Tetzlaff, F. Wörgötter Evolving artificial neural networks with feedback. Neural Networks. 2020. Vol. 123. P. 153-162. https://doi.org/10.1016/j.neunet.2019.12.004
Smirnov A.A., Sakhnyuk P.A. Neural network implementation of an optimal receiver in binary communication channels. Design and technology of electronic means. Vladimir: VLGU, 2018. No. 2. P. 3-9.
He G., Tang P., Pang X. Approaches to Implementation of Optimum Multiuser Detection in CDMA Channals. International Journal of Electronics. 1996. Vol. 80. P. 425-431. https://doi.org/10.1080/002072196137264
Smirnov A.A., Sakhnyuk P.A., Sayeg T.Kh., Vasilchenko A.S., Yaroshuk A.A. Assessing the noise immunity of fading communication channels when integrating a neural network. Design and technology of electronic means. VlGU, 2019. No. 4. P. 3-9.
Smirnov A.A., Sakhnyuk P.A., Senik V.V. Synthesis of digital signal processing circuits based on training of non-network circuits. Neurocomputers, development and application. M.: Radio engineering. 2004, no. 5-6. pp. 91-94.
Brown T. X. Neural network for switcing. IEEE Comm. Mag., Nov., 1989, pp.72-81.
Zhang D., Jullien G.A. and Miller W. C. (1989). A neural-like approach to finite ring computation. IEEE Trans. Circuits and Syst., 1990. V. 37, No. 8. P. 1048-1052.
Plotnikov V. A. Digitalization as a natural stage in the evolution of the economic system. Economic revival of Russia. 2020. No. 2(64). pp. 104-115. https://doi.org/10.37930/1990-9780-2020-2-64-104-115
Plotnikov V. A. Consequences of digitalization for modern society / V. A. Plotnikov, V. L. Nguyen. Modern science: current problems of theory and practice. Series: Economics and law. 2022. No. 1. P. 212-215. https://doi.org/10.37882/2223-2974.2022.01.35
Apatova N.V. Digital transformations of business and society. Bulletin of Tver State University. Series: Economics and management. 2022. No. 4(60). pp. 60-71. https://doi.org/10.26456/2219-1453/2022.4.060-071
Preparing business for digitalization and its adaptation / E. A. Alekseeva, A. A. Grakun, E. D. Domoratsky, A. D. Lychakova. Financial business. 2022. No. 1(223). pp. 3-7.
Suvorova S. D. Digital transformation of business / S. D. Suvorova, O. M. Kulikova. Innovative economics: prospects for development and improvement. 2022. No. 2(60). pp. 54-59. https://doi.org/10.47581/2022/IE.2.60.10
Apatova N.V. Managing the processes of digital transformation of business. Scientific notes of the Crimean Federal University named after V.I. Vernadsky. Economics and Management. 2022. T. 8. No. 2. P. 3-8.
Katrashova Yu. V. The use of “end-to-end” digital technologies in the field of public administration / Yu. V. Katrashova, G. Yu. Mityashin. Science of Krasnoyarsk. 2020. T. 9. No. 4. P. 85-102. https://doi.org/10.12731/2070-7568-2020-4-85-102
Katrashova Yu. V. Social rating system as a form of state control over society: prospects for implementation and development, threats to implementation / Yu. V. Katrashova, G. Yu. Mityashin, V. A. Plotnikov. Management consulting. 2021. No. 2(146). pp. 100-109. https://doi.org/10.22394/1726-1139-2021-2-100-109
Kotlyarov I. D. Digital transformation of the financial sector: content and trends. Manager. 2020. T. 11, No. 3. P. 72-81. https://doi.org/10.29141/2218-5003-2020-11-3-6
Просмотров аннотации: 91 Загрузок PDF: 111
Copyright (c) 2023 Pavel A. Sakhnyuk, Tatyana I. Sakhnyuk
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
