В настоящее время существует множество подходов к анализу трафика, но нет однозначного представления о том, какими распределениями вероятностей он описывается. Реальный трафик сети доступен в виде статистических данных о нём. Для исследования инфокоммуникационных сетей нужны адекватные методы моделирования реального трафика, для этого необходимо по статистическим данным выявить характеристики реального трафика. Одним из инструментов решения данного вопроса являются нейронные сети.

В статье доцента Вадима Гойхмана и бакалавра Алисы Лапий рассматриваются вопросы создания нейронной сети, предназначенной для классификации распределений случайных величин. Представлены результаты тестирования нейронной сети при подаче вероятностных распределений, построенных на случайном аргументе и с зашумлёнными значениями. Проанализированы возможности нейронной сети классифицировать распределения при уменьшении аргумента, на котором были построены эти распределения.

Статья увидела свет в июньском номере журнала «ТСС». Традиционно доступна в нашем рубрикаторе.