簡易檢索 / 詳目顯示

回結果列表
研究生： 鍾育君
CHUNG, Yu-Chun
論文名稱： GRNN網路硬體之實現及在區域網路管理之應用
Hardware Implementation of GRNN Network and Its Applications to the Management of Local Area Networks
指導教授： 黃文吉
Hwang, Wen-Jyi
學位類別： 碩士
Master
系所名稱： 資訊工程學系
Department of Computer Science and Information Engineering
論文出版年： 2016
畢業學年度： 105
語文別： 中文
論文頁數： 42
中文關鍵詞： VLSI晶片設計 、類神經網路 、服務品質QoS
英文關鍵詞： VLSI, neural network, QoS
DOI URL： https://doi.org/10.6345/NTNU202204680
論文種類： 學術論文
相關次數： 點閱：117  下載：7 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 區域網路已於一般人的生活中扮演了重要的地位，如何管理有限的網路資源，製造最大的使用效益，是一個困難的議題，根據不同的使用者習慣，以及應用，會需要各種不同的網路環境設定，如何快速且即時的反應是我們追求的目標。
    由於使用者的回饋與反應，才是我們判定服務品質(Quality of Service)的重要指標，根據以往累積的使用者回饋，本論文設定一品質標準，並結合GRNN(Generalized Regression Neural Networks)類神經網路學習法則，快速且精準的計算使用者會感到滿意的網路環境設定，並從所有可能感到滿意的設定中，找出消耗網路資源最少的設定，提供給使用者，
    利用軟體實現網路環境設定之頻寬分配計算，建構於一般的網路橋接器環境，將會耗費相當大量的反應時間，使用者的體驗感受將會大幅度下降，所以本論文欲以VLSI晶片設計，設計出效能強大，且快速精準的分配網路環境設定，計算法則也是不可或缺的一環，故結合GRNN類神經網路學習法則，以硬體電路晶片實現處理單元，便可達成這一目的。

    中文摘要 i 誌謝 ii 目錄 iii 附圖目錄 iv 附表目錄 v 第一章 緒論 1 1.1　研究背景與動機 1 1.2　研究目的與方法 3 1.3　全文架構 5 第二章 基礎理論與文獻探討 6 2.1　類神經網路介紹 6 2.2　GRNN(General Regression Neural Network)介紹 7 2.3　GRNN演算法則 8 第三章 系統架構 13 3.1 GRNN與 Local Area Network QoS 13 3.2 QoS服務流程 17 3.3　全搜尋演算法介紹 18 3.4 整體電路架構 21 3.5 Stage 1計算平方距離電路 22 3.6 Stage 2計算權重值電路 24 3.7 Stage 3權重累加電路 25 3.8 Stage 4計算評估值電路 26 第四章 實驗數據與效能分析 27 4.1 驗證平台與環境設定 27 4.2 網路頻寬分配分析 29 4.3 硬體電路資源分析 32 4.4 硬體電路效能分析 35 第五章 結論 40 參考文獻 41 附圖目錄 圖1-1 家庭網路環境示意圖 2 圖1-2　網路頻寬分配管理搜尋示意圖 4 圖2-1　類神經網路架構圖 6 圖2-2　GRNN的輸入和輸出 8 圖2-3　GRNN一般情況架構圖 10 圖2-4　GRN-Based Qos management架構圖 11 圖3-1　區域網路架構 13 圖3-2　QoS傳輸介面示意圖 15 圖3-3　QoS流程圖 17 圖3-4　全搜尋(Full-search)虛擬碼範例 19 圖3-5　整理電路架構圖 21 圖3-6　Stage 1計算平方距離電路改良前 22 圖3-7　Stage 1計算平方距離電路改良後 23 圖3-8　Stage 2計算權重值電路 24 圖3-9 Stage 3權重累加電路 25 圖3-10 Stage 4計算評估值電路 26 圖4-1 各Stage運算時序圖分析 37 附表目錄 表3-1　使用者期望感受為”滿意 ”之情況 16 表3-2　使用者期望感受為”普通 ”之情況 16 表4-1　各項開發環境 28 表4-2　網路環境設定 30 表4-3　訓練資料(Training Data) 30 表4-4　GRNN全搜尋計算結果 31 表4-5　運算單元使用量 33 表4-6　各Stage實際合成資源消耗 33 表4-7　各Stage資源消耗分析 34 表4-8　各管線化浮點數運算單元之延遲參數設定 35 表4-9　各Stage之輸出延遲 36 表4-10 各Stage時間消耗分析 38 表4-11 Matlab軟體與硬體電路執行時間 39

    [1] Chen, S. An overview of quality of service routing for next-generation high-speed networks: problems and solutions, IEEE Network, 1998.
    [2] Kortebi, A.; Le Dain, P.; Dure, F. Home network assistant: Towards better diagnostics and increased customer satisfaction, IEEE Global Information Infrastructure Symposium, 2013.
    [3] Mahajan, M.; Parashar, M., Managing QoS for multimedia applications in the differentiated services environment, Journal of Network and Systems Management, 2003.
    [4] Specht, D.F. A general regression neural network, IEEE Trans. Neural Networks, 1991.
    [5] Haykin, S. Neural Networks and Learning Machines, 3rd Ed., Pearson International, 2009.
    [6] DAVID D. CLARK, MEMBER, IEEE, KENNETH T. POGRAN, MEMBER, IEEE, AND DAVID p. WED, An Introduction to Local Area Networks, PROCEEDINGS OF THE IEEE, VOL. 66, NO. 11, NOVEMBER 1978
    [7] Wang, Z. ; Crowcroft, J. Quality-of-service routing for supporting multimedia applications, IEEE Journal on Selected Areas in Communications, 1996.
    [8] Altera Inc. https://www.altera.com/
    [9] Matlab, Mathwork Inc. http://www.mathworks.com/products/matlab/
    [10] Chandra, P.; Fisher, A.L.; Kosak, C.; Steenkiste, P. Network support for pplication-oriented QoS, IEEE International Workshop on Quality of Service, 1998.
    [11] IEEE 1901 Standard for Broadband over Powerline Networks: Medium Access Control and PHY Layer specifications, IEEE Standards Association, 2010. (http://standards.ieee.org/findstds/standard/1901-2010.html)
    [12] Galli, S.; Scaglione, A.; Wang Z. Powerline Communications and Smart Grid, IEEE International Conference on Smart Grid Communications, 2010.
    [13] MoCA: MAC/PHY specification version 1.1, Multimedia over Coax Alliance (MoCA), 2011.

    下載圖示
    QR CODE