Ver PDF

Ver PDF

Este artículo describe un modelo perfeccionado de la red neuronal Hopfield propuesta por Marrakchi y Troudet (1989) {l], adaptada para emplearla como controlador en un conmutador ATM crossbar con buffers FIFO en los puertos de entrada. Utilizando modelos estadísticamente auto-similares para estimar el tráfico entrante al sistema demostramos que el controlador propuesto incrementa notablemente el rendimiento general del conmutador.

En este artículo mostramos los resultados del análisis de 18 millones de datagramas Internet recolectados entre Abril de 1996 y Junio de 1997 en una de las redes de la Red Científica Peruana. Se demuestra que el flujo de paquetes TCP/IP presentan una naturaleza asintóticamente Auto-similar (fractal) análoga a la encontrada en redes de área local Ethernet [1] y que difiere de la prevista por los modelos tradicionales de tráfico basados en procesos de Markov y semi-Markov como Poisson.

In this article we show the results of the analysis of 18 million Internet datagrams collected between April 1996 and June 1997 in one of the networks of the Peruvian Scientific Network. It is demonstrated that the flow of TCP/IP packets present an asymptotically Self-similar (fractal) nature analogous to that found in Ethernet local area networks [1] and that differs from that predicted by traditional traffic models based on Markov processes. and semi-Markov like Poisson.

This article describes an enhanced version of a Hopfield neural network originally proposed by Marrakchi and Troudet (1989) for large crossbar switches. We have adapted this network to control the internal flow of cells in a modern ATM crossbar switch with FIFO buffers at the input ports. The proposed model, under Self-Similar input traffic, improves the general performance of the switch.