автореферат диссертации по радиотехнике и связи, 05.12.14, диссертация на тему:Исследование вероятностно-временных характеристик механизмов управления мультимедийной нагрузкой в сетях АТМ

СОДЕРЖАНИЕ.

ВВЕДЕНИЕ.

ГЛАВА 1. УПРАВЛЕНИЕ ТРАФИКОМ В СЕТЯХ ATM.

1.1. Введение. Общие положения.

1.2. Услуги, качество обслуживания и управление ресурсами в сетях ATM.

1.2.1. Виды услуг.

1.2.2. Классы качества обслуживанш.

1.2.3. Контракт по трафику.

1.2.4. Управление ресурсами и трафиком.

1.3. Управление трафиком в оконечных устройствах.

Выводы.

ГЛАВА 2. УПРАВЛЕНИЕ ТРАФИКОМ ATM С ИСПОЛЬЗОВАНИЕМ ПРОГНОЗИРОВАНИЯ.

2.1. Введение и постановка задачи.

2.2. Модель механизма управления нагрузкой Leaky Bucket.

2.2.1. Входной поток.

2.2.2. Дисциплина обслуживания.

2.2.3. Аналитическая модель.

2.2.4. Имитационная модель.

2.2.5. Анализ результатов моделирования.

2.3. Модель механизма управления нагрузкой с использованием прогнозирования.

2.4. Анализ алгоритмов прогнозирования, построенных на базе фильтра Калмана.

2.4.1. Классический дискретный фильтр Калмана.

2.4.2. Адаптивный дискретный фильтр Калмана.

2.4.3 Выводы по семейству дискретных фильтров Калмана.

2.5. Анализ и сравнение результатов моделирования системы с прогнозированием поступающей нагрузки и Leaky Bucket.

Выводы.

ГЛАВА 3. ПРИМЕНЕНИЕ ПРЕДСКАЗАТЕЛЕЙ, ПОСТРОЕННЫХ НА БАЗЕ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧАХ УПРАВЛЕНИЯ ТРАФИКОМ

3.1. Введение и постановка задачи.

3.2. Характеристики нейронных сетей.

3.2.1. Общие сведения о нейронных сетях.

3.2.2. Алгоритм обратного распространения.

3.2.3. Замечания по принципам построения и функционирования нейронных сетей.

3.2.4. Реализация нейронных сетей.

3.3. Анализ возможного применения нейронных сетей для управления трафиком в сетях ATM.

3.4. Анализ механизма управления нагрузкой с использованием нейросетевого предсказателя.

Выводы.

ГЛАВА 4. АНАЛИЗ ХАРАКТЕРИСТИК ТРАФИКА ПОЛУЧЕННОГО НА РЕАЛЬНЫХ СЕТЯХ ATM.

4.1. Введение и постановка задачи.

4.2. Статистический анализ мультимедийного трафика.

4.2.1. Вычисление функции автокорреляции.

4.2.2. Вычисление параметра Херста.

4.2.3. Статистический анализ экспериментальных данных "Новгород Дейтаком".

4.2.4. Статистический анализ экспериментальных данных Bellcore.

4.3. Метод предсказания, основанный на модели нелинейного авторегрессионного скользящего среднего.

4.3.1. Обзор методов предсказания мультимедийного трафика.

4.3.2. Модель нелинейного авторегрессионого скользящего среднего, реализованная с помощью рекуррентной нейронной сети.

4.4. Анализ результатов предсказания для мультимедийного трафика.

4.4.1. Статистика «Новгород Дейтаком».

4.4.2. Статистика фирмы Bellcore.

4.5. Моделирование мультимедийного трафика на примере MPEG-1).

Выводы.

Актуальность работы. Одним из основных свойств широкополосных цифровых сетей с интеграцией служб (Ш-ЦСИС), использующих транспортную технологию ATM, является гарантия определенного качества обслуживания для каждого соединения из множества виртуальных соединений с различными скоростями передачи и с существенно отличающимися характеристиками. Требуемое качество обслуживания в сети ATM может быть обеспечено только при использовании эффективных методов управления ресурсами и борьбы с перегрузками. Разработка таких методов, наряду с решением задачи анализа вероятностно-временных характеристик (ВВХ), рассматривались в большом количестве работ. В числе авторов, получивших важные результаты в этой области отметим отечественных и зарубежных исследователей Г.П.Захарова, В.Г.Лазарева, С.Н.Степанова, Б.С.Цыбакова, В.С.Шибанова, Г.Г.Яновского, M.Gerla, P. Kuhn, Т. Ors, Н. Saito, и др.

Известно, что сети на основе ATM создавались для передачи, в первую очередь, мультимедийной информации, содержащей, как правило, данные, голос, видео с соблюдением заданных параметров качества обслуживания. Разнообразные типы приложений (услуг) с различными параметрами, поддерживаемые сетью ATM, предъявляют специфические требования к качеству обслуживания. Очевидно, что для обеспечения необходимых значений параметров качества обслуживания необходимы специальные механизмы управления нагрузкой. Однако, как показал анализ документов Форума ATM и рекомендаций МСЭ-Т, стандартизованные механизмы носили общий характер и не учитывали особенности того или иного типа трафика. Поэтому сегодня, при растущих масштабах использования технологии ATM для новых мультимедийных приложений, таких, как передача компрессированного голоса, видео, трафика Интернет, задача усовершенствования механизмов управления трафиком и ресурсами сети является, безусловно, актуальной.

Цель и задачи исследования. Целью диссертационной работы является разработка новых методов управления трафиком в сетях ATM и анализ ВВХ предложенных алгоритмов и механизмов управления. Поставленная цель обусловила необходимость решения следующих основных задач:

- анализ и качественное сравнение механизмов управления трафиком в сетях ATM, определенных рекомендациями Международного Союза Электросвязи (МСЭ-Т) и документами Форума ATM;

- разработка методов прогнозирования входящего трафика с целью их применения при построении новых механизмов управления мультимедийной нагрузкой;

- анализ рассчитанных ВВХ и сравнение с ВВХ стандартизованных механизмов;

- исследование статистических свойств мультимедийного трафика для различных типов услуг Ш-ЦСИС (Интернет, "Видео по запросу" и пр.) на основе экспериментальных данных, полученных на реальных сетях ATM.

Методы исследования. Проводимые исследования базируются на теории вероятностей, теории массового обслуживания, теории фильтрации, математической статистике и теории нейронных сетей (НС).

Для численных расчетов использовались компьютерные математические пакеты Mathcad 7.0, Statistica 5.0. Программное обеспечение необходимое для решения задач, использующих имитационное моделирование реализовано на языке программирования Pascal.

Научная новизна. Основными научными результатами диссертации являются:

1. Разработка нового механизма управления трафиком для услуги типа ABR (доступная скорость передачи) на базе процедуры прогнозирования абонентской нагрузки.

2. Анализ ВВХ нового механизма управления для мультимедийного трафика, а так же исследование методов прогнозирования абонентской нагрузки и их влияния на ВВХ механизма.

3. Разработка нового алгоритма прогнозирования, основанного на применении статистического метода нелинейного авторегрессионого скользящего среднего, для мультимедийного трафика.

4. Использование свойств самоподобия трафика для оценки параметров мультимедийного трафика, полученного в результате экспериментальных исследований реальных сетей ATM.

Практическая ценность.

1. Показано соответствие параметров трафика ATM для различных типов услуг, полученного при эксплуатации сети ATM оператора "Новгород Дейтаком" параметрам, определенным в европейском проекте RACE. Это позволяет применять результаты, полученные на базе этой статистики, для расчета сетей ATM.

2. Определены диапазоны нагрузок в которых могут быть применены предложенные механизмы управления мультимедийной нагрузкой.

3. Показана практическая применимость параметра Херста, характеризующего свойства самоподобной нагрузки, для описания основных характеристик мультимедийного трафика.

4. Определено, что использование результатов диссертации по разработке нового механизма управления трафиком на этапе проектирования оконечного оборудования мультимедийного пользователя Ш-ЦСИС позволит улучшить показатели качества обслуживания.

Реализация результатов работы. Основные результаты диссертационной работы внедрены в научно-исследовательских центрах ЛОНИИС и НТЦ "Комсет", в проектном институте ОАО "Гипросвязь-СПб" и на сети оператора ОАО "Уралсвязьинформ", что подтверждается актами о внедрении.

Апробация работы и публикации. Результаты диссертации были представлены и обсуждались на следующих семинарах и конференциях:

1. Международная конференция "Distributed Computer Communication Networks, Theory and Applications", Тель-Авив (Израиль), 4-8 ноября, 1997 г.

2. Международный семинар по телетрафику , ЛОНИИС, Санкт-Петербург, 1-7 июня, 1998 г.

3. 5-й Международный форум ICINAS'98, Санкт-Петербург, 7-12 сентября,

1998.

4. Международная конференция по современным телекоммуникационным технологиям, Муджу (Корея), 10-12 февраля, 1999 г.

5. 5-я Европейская школа EUNICE'99, Барселона (Испания), 1-3 сентября,

1999.

6. Конференция "Информационные сети и системы", Москва, октябрь 26-27,1999 г.

7. 4-я Международная конференция IEEE MICC'99, Мелака (Малайзия), 17-19 ноября, 1999 г., а так же на научно-технических конференциях профессорско-преподавательского состава, научных работников и аспирантов ГУТ им.проф. М.А. Бонч-Бруевича в 1998-99 гг.

Основные положения, выносимые на защиту: механизм управления трафиком для услуги типа ABR (доступная скорость передачи) с применением прогнозирования абонентской нагрузки; для предсказания нагрузки применены: а) адаптивный дискретный фильтр Калмана; 2) нейронная сеть; метод предсказания, основанный на статистической модели нелинейного авторегрессионого скользящего среднего (НАРСС); результаты статистического анализа мультимедийного трафика для различных услуг сети ATM; метод моделирования видеотрафика, базирующийся на применении нейронной сети.

Личный вклад автора. Основные научные положения, теоретические выводы и рекомендации, содержащиеся в диссертационной работе, получены автором самостоятельно.

Публикации. Основные результаты диссертационной работы опубликованы в 11 печатных работах.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Работа содержит 130 страниц машинописного текста, 48 рисунков и список литературы из 105 наименований.

Выводы.

1. Исследованы и определены следующие статистические параметры мультимедийного трафика различного типа при передаче через сеть ATM: пачечность и длительность пика, а также автокорреляционная функция, значение параметра Херста.

2. Разработан комбинированный метод прогнозирования мультимедийного трафика, основанный на объединении рекуррентных НС и НАРСС, не проявляющего самоподобные свойства. Доказано, что применение комбинированного алгоритма позволяет увеличить точность прогнозирования до 10% по сравнению с алгоритмом, основанным на применении обычной НСПР той же размерности для процессов с низким значением параметра Херста.

3. Разработан новый метод имитационного моделирования мультимедийного трафика (на примере видеотрафика, кодированного в стандарте MPEG-1) с использованием нейронной сети прямого распространения. Показано, что новый алгоритм позволяет достигнуть лучших результатов по сравнению с предложенными ранее.

ЗАКЛЮЧЕНИЕ

В процессе проведенных в диссертационной работе исследований получены следующие основные результаты:

1. Проведен системный анализ документов МСЭ-Т и Форума ATM в части механизмов управления трафиком ATM. Определено, что представленные в спецификациях МСЭ-Т и Форума ATM механизмы управления трафиком не учитывают тип услуги доставки информации, используемой для каждого конкретного случая.

2. На основе анализа рекомендаций МСЭ-Т и документов Форума ATM, а также известных на сегодняшний день модификаций стандартного метода ограничения нагрузки LB разработан новый метод управления ресурсами для услуги типа ABR (доступная скорость передачи), реализуемый в оконечном оборудовании пользователя на базе процедуры прогнозирования нагрузки.

3. Разработаны аналитическая и имитационная модели для стандартизованного механизма Leaky Bucket при поступлении на вход системы потока типа ММРР.

4. Доказано, что при использовании для прогнозирования алгоритма, построенного на базе адаптивного дискретного фильтра Калмана разработанный метод при нагрузке р> 0.6 обеспечивает уменьшение значения параметра "Вероятность потери ячейки" по сравнению со стандартизованным LB.

5. Проведен системный анализ возможного применения НС для управления трафиком в сетях ATM.

6. В качестве процедуры прогнозирования предложено в разработанном методе использовать нейронную сеть прямого распространения (НСПР) с алгоритмом обучения "Обратное распространение". Использование НСПР для прогнозирования поступающей нагрузки позволяет уменьшить значение параметра "Вероятность потери ячейки" как по сравнению с обычным LB, так и по сравнению с методом, где для прогнозирования нагрузки используется адаптивный дискретный фильтр Калмана.

7. Исследован и определен ряд статистических параметров реального мультимедийного трафика различного типа при передаче через сеть ATM: пачечность и длительность пика, автокорреляционная функция, значение параметра Херста.

8. Разработан комбинированный метод прогноза мультимедийного трафика, основанный на объединении рекуррентных НС и НАРСС. Доказано, что при определенных значениях параметра Херста (Н< 0.6) применение комбинированного алгоритма позволяет увеличить точность прогнозирования до 10% по сравнению с алгоритмом, основанным на применении обычной НСПР той же размерности.

Разработан новый метод имитационного моделирования мультимедийного трафика с использованием нейронной сети прямого распространения.

1. "Теория телетрафика", перевод с нем. под ред. Башарина Г.П., Москва, Связь, 1971, 320 с.2. "Теория электрической связи", под ред. Кловского Д. Д., Москва, Радио и связь, 1998, 433 с.

2. Афифи А., Эйзен С. "Статистический анализ. Подход с использованием ЭВМ", Москва, Мир, 1982, 488 с.

3. Балакришнан А.В. "Теория фильтрации Калмана", М., Мир, 1988, 168 с.

4. Башарин Г.П., Бочаров П.П., Коган Я.А. "Анализ очередей в вычислительных сетях", Москва, Наука, 1989, 336 с.

5. Бестужев-Лада И.В., Саркисян С.А., Мельникова Е.Н. (ред.) "Рабочая книга по прогнозированию", М., Мысль, 1982, 430 с.

6. Боровиков В.П., Ивченко Г.И. "Прогнозирование в системе Statistica в среде Windows", М., Финансы и Статистика, 1999, 384 с.

7. Гнеденко Б.В., Коваленко И.Н. "Введение в теорию массового обслуживания", Москва, Наука, 1987, 336 с.

8. Горбань А.Н. "Обучение нейронных сетей", Москва, СП Параграф, 1990.

9. Ю.Грешилов А.А., Стакун В.А., Стакун А.А. "Математические методы построения прогнозов", М., Радио и Связь, 1997, 109 с.

10. П.Дымарский Я.С. "Специальное математическое обеспечение процессов контроля качества управления. Возможные методы прогнозирования параметров управляемых процессов".

11. Дымарский Я.С. "Оценка качества обслуживания вызовов при проведении сертификационных испытаний АТС: модели и методики".

12. Елисеева И.И., Юзбашев М.М. "Общая теория статистики", М., Финансы и статистика, 1996, 368 с.

13. Ермаков С.М., Михайлов Г.А. "Курс статистического моделирования", М., Наука, 1976, 320 с.

14. Каллианпур Г. "Стохастическая теория фильтрации", М., Наука, 1987, 318 с.

15. Карелов И. "Технология и реализации нейроподобных сетей", Компьютер Пресс, декабрь 1997, с. 180-187.

16. Кендалл М.Дж., Стьюарт А. "Многомерный статистический анализ и временные ряды", Москва, Наука, 1976, в двух томах.

17. Клейнрок Л. "Теория массового обслуживания", Москва, Машиностроение, 1979.

18. Корн Г., Корн Т. "Справочник по математике", Москва, Наука, 1977, 832 с.

19. Курицын С.А. "Методы адаптивной обработки сигналов передачи данных", М., Радио и Связь, 1988, 144 с.

20. Кучерявый Е.А. "Комбинированные системы коммутации для фиксированных и подвижных сетей связи", 51 НТК ГУТ им.проф. М.А.Бонч-Бруевича, 26-30 января, 1998, тезисы докладов, с.36-37.

21. Кучерявый Е.А., Яновский Г.Г. "Сравнительный анализ документов Форума ATM и МСЭ-Т по механизмам управления трафиком", тезисы 52 НТК ГУТ, Январь 25-29,1999, с. 10.

22. Кучерявый Е.А., Яновский Г.Г. "Прогноз мультимедийного трафика ATM с использованием рекуррентных нейронных сетей", тезисы конференции "Информационные сети и системы", Москва, октябрь 26-27, 1999.

23. Кучерявый Е.А., Яновский Г.Г. "Имитационное моделирование видеотрафика ATM, с использованием нейронных сетей", тезисы конференции "Информационные сети и системы", Москва, октябрь 26-27, 1999.

24. Липцер Р.Ш., Ширяев А.Н. "Статистика случайных процессов", М., Наука,1974, 696 с.

25. Масалович А.И. "От нейрона к нейрокомпьютеру", журнал д-ра Добба, 1/1992, с. 20-24.

26. Нейман В.И. "Самоподобные процессы и их применение в теории телетрафика", Труды Международной Академии Связи, №1(9), 1999, с. 11-15.

27. Парамонов А.И. "Имитационное моделирование систем и сетей связи", ЛОНИИС, 1998.

28. Суховицкий A.J1. "Исследование вероятностно-временных характеристик механизмов адаптации в сетях ATM", диссертация на соискание ученой степени кандидата технических наук, ГУТ им. проф. М.А. Бонч-Бруевича, С.Петербург, 1999.

29. Сэйдж Э., Меле Дж. "Теория оценивания и ее применение в связи и управлении", М., Связь, 1976, 496 с.

30. Четыркин Е.М. "Статистические методы прогнозирования", М., Статистика,1975, 184 с.

31. Шнепс М.А. "Системы распределения информации. Методы расчета", Москва, Связь, 1979, 344 с.

32. Яновский Г.Г. "Методы и модели управления сетевыми ресурсами в цифровых сетях интегрального обслуживания", диссертация на соискание ученой степени доктора технических наук, ГУТ им. проф. М.А. Бонч-Бруевича, С.-Петербург, 1994.

33. Akimaru Н., Finley M.R., Yamori К. "A Practical Dimensioning Method for ATM Systems", IEEE Transactions on Communications, vol.47, No.2, February 1999, pp.311-315.

34. Akimaru H, Kawashima К. "Teletraffic. Theory and Applications", Springer-Verlag, 1993, 226 p.

35. ATM Forum Technical Committee, Traffic Management Specification, Version 4.0, af-tm-0056.000, April 1996.

36. ATM Forum, Traffic Management Technical WG, Specifications for approval, October 1999.

37. Beran J., Sherman R., Taqqu M.S., Willinger W. "Long-Range dependence in Variable-Bit-Rate video traffic", IEEE Transactions on Communications, vol.43 (2/3/4): 1566-1579, 1995.

38. Box G.E., JenkinsG.M. "Time Series Analysis: Forecasting and Control", San Francisco, CA: Holden-Day, 1976.

39. Bruneel H., Kim B.G. "Discrete-time Models for Communication Systems Including ATM", Kluwer, 1993.

40. Chang P.-R., Hu J.-T. "Optimal Nonlinear Adaptive Prediction and Modeling of MPEG Video in ATM Networks Using Pipelined Recurrent Neural Network", IEEE J-SAC, vol.15, No.6, August 1997, pp.1087-1100.

41. Chemouil P., Gamier B. "An adaptive short-term forecasting procedure using Kalman filter", ITCH, 1985.

42. Choi, Choi "Discrete-time analysis of LB scheme with threshold-based token generation intervals", IEEE Proc. Commun., 1996, 143, #2.

43. Cochrane P., Heatley D.J.T. "Modeling future telecommunications systems", Chapman & Hall, 1996, 365p.

44. Coelho, Tohme "A Generic smoothing algorithm for real-time variable bit rate video traffic", CN & ISDN Systems, vol. 29, #17-18, Feb. 1998, 2053-2066.

45. Connor J.T., Martin R.D., Atlas L.E. "Recurrent neural networks and robust time series prediction", IEEE Trans. Neural Networks, vol.5, March 1994, pp.240-254.

46. Didelet E. "Circuit-switched traffic forecasting using neural networks", proceedings of 15th International Teletraffic Congress ITC'15, Washington, DC, USA, pp. 111-121,22-27 June, 1997.

47. Didelet E., Dubuisson В., Stern D. "A Neural Technique Approach to Network Traffic Management", ITC 14, pp.1321-1330.

48. Drossu R., Lakshman T.V., Obradovic Z., Raghavendra C. «Single and Multiple Frame Video Traffic Prediction Using Neural Networks», in Raghavan S.V. and Jain

49. B.N. (editors) "Computer Networks, Architecture and Applications", Chapman & Hall, chapter 9, pp. 146-158, 1995.

50. Dzong Z. "ATM Network Resource Management", McGraw-Hill, 1997, 316 p.

51. Dzong Z., Montanuy O., Mason L.G. "Adaptive traffic admission in ATM networks optimal estimation framework", ITCH, pp. 1065-1076.

52. Filipiak J. "Real-Time Network Management", ELSEVIER, 1991, 446 p.

53. Filipiak J., Chemouil P. "Modeling and Prediction of Traffic Fluctuations in Telephone Networks", IEEE Transactions on Communications, vol. com-35, n.9 September, 1987, pp. 931-941.

54. Fonesca, Silvester "Modelling the output process of an ATM multiplexer with correlated priorities", CN & ISDN Systems, vol. 29, #17-18, Feb. 1998, 2153-2164.

55. Frater M.R., Arnold, Tan "A new statistical model for traffic generated by VBR coders for television on the Broadband ISDN", IEEE Trans, on Circuits & Systems for Video Techmology, 4(6):521-526, December 1994.

56. Gerla M., Kleinrok L. "Flow Control: A Comparative Survey", IEEE Transactions on Communications, vol.28 (4), 1980, pp.553-574.

57. Graf M. "VBR video over ATM: Reducing network resource requirement through endsystem traffic shaping", proceedings of IEEE INFOCOM'97, Kobe, Japan, April 7-11, 1997, pp.48-57.

58. Grasse, Frater, Arnold "Origins of Long-Range dependence in VBR video traffic", ITC'15, 1379-1388.

59. Grunenfelder R. "Characterization of video codecs as autoregressive moving average processes, and related queuing system performance", IEEE JSAC, vol.9, April 1991, pp.284-293.

60. Harimatsu A. "Training techniques for neural network applications in ATM", IEEE Comm. Magazine, vol.33, pp.58-67, Oct. 1995.

61. Heyman D.P., Tabatabi A., Lakshman T.V. "Statistical analysis and simulation study of video teleconference traffic in ATM networks", IEEE Trans, on Circuits & Systems for Video Technology, vol. 2, no. 1, pp.49-59, 1992.

62. Higginbottom G.N. "Performance Evaluation of Communication Networks", Artech House, 1998, 368 p.

63. IEEE Communications Magazine, vol. 33, No. 10, October 1995.

64. IEEE Transactions on Neural Networks (Special Issue on Dynamic Recurrent Networks), vol.5, March 1994.

65. ITU-T, Series I Recommendations "Integrated Services Digital Network", October 1996.

66. ITU-T, Study Group 13 "General Network Aspects", Delayed Contributions, 1997-2000 Study Period.

67. Kalman R.E., Bucy R. "New Results in Linear Filtering and Prediction Theory", Trans. ASME J. Basic Eng., vol.83D, March 1961, pp.95-108.

68. Kashper A. "ATM Traffic Management: Feasibility of Congestion Control", St.-Petersburg Regional International Teletraffic Seminar, LONIIS, June 1-7, 1998, pp. 187-197.

69. Keuhn P.J. "Evolution of New Services and Networking Technologies. Future Challanges for Traffic Management and Engineering", St.-Petersburg Regional International Teletraffic Seminar, LONIIS, June 1-7, 1998.

70. Koucheryavy Y., Yanovsky G. "ATM multimedia traffic prediction using Neural Networks", proceedings of the 5th European Open School EUNICE'99, September 1-3, Barcelona, Spain, pp.83-89.

71. Koucheryavy Y., Nourmiev M.: "Wireless ATM: The Road Ahead", International Informatization Forum V ISINAS'98, St.-Petersburg, September 7-12, 1998, proceedings, pp. 490-502.

72. Koucheryavy Y., Yanovsky G.G. "Mechanisms of Partial Limitation for Input Flow Control", International Conference "Distributed Computer Communication Networks, Theory and Applications", Tel-Aviv, Israel, November 4-8, 1997, pp.255-260.

73. Kulkarni L.A. "Modeling of the Microdynamics of Correlated Traffic", ITC'15, 975-986.

74. LeGall D. "MPEG: a video compression standard for multimedia applications", Commun. ACM, vol.34, pp.46-58, April 1991.

75. Li L., Haykin S. "A cascaded recurrent neural networks for real-time nonlinear adaptive filtering", proceedings IEEE International Conference on Neural Networks, San Francisco, CA, 1993, pp.857-862.

76. Li L., Haykin S. "Nonlinear adaptive prediction of nonstationary signals", IEEE Trans. Signal Processing, vol.43, Feb. 1995, pp.526-535.

77. Liu Y.-C., Douligeris C. "Feedback Congestion Controller for ATM Networks Using a Neural Network Traffic Predictor", proceedings of SOUTHCON'95, Ft.Landerdale, FL, March 1995, pp. 398-402.

78. Marquez L., Hill Т., O'Connor M., Remus W. "Neural Network Model for Forecast: A Review", Proceedings of the Twenty-Fifth Hawaii International Conference on System Scinces, vol.4, pp. 494-498, January 1992, Kauai, HI, USA.

79. Mehaoua A., Boutaba R. "Performance analysis of cell discarding techniques for best effort video communications over ATM networks", CN & ISDN Systems, #29, 1998, pp.2021-2037.

80. Mellaney, Orozco-Barbosa "Experimental Study of MPEG-2 Video Traffic Over a Metroploian ATM Network Supporting Multimedia Traffic", ITC'15, 1389-1398.

81. Moreland J. "A robust sequential projection algorithm for traffic load forecasting", BSTJ, Jan, 1982.

82. Neves J., de Almeida L., Leitao M. "B-ISDN Connection Admission Control Routing Strategy with Traffic Prediction by Neural Networks", proceedings of ICC'95.

83. Nomura N., Fujii Т., Ohta N. "Basic characteristics of variable rate video coding in ATM environment", IEEE JSAC, vol.7, June 1989, pp. 752-760.

84. Norros I. "A storage model with self-similar input", Queueing Systems, 1994, v. 16, pp.387-396.91.0rs T. "Optimization and Dimensioning of ATM Traffic Control Functions", Ph.D. Report, University of Surrey, UK, 85 p.

85. Pack C.D., Whitaker B.A. "Kalman filter for network forecasting", Bell System Tech. Journal vol.61, 1982.

86. Pitts J.M., Schormans J.A. "Introduction to ATM Design and Performance", John Wiley & Sons, 1996, 190p.

87. Pooch U., Wall J.A. "Discrete Even Simulation. A Practical Approach", CRC Press, Florida, 1993,412 р.

88. Ramamurthy, Srngupta "A predictive congestion control policy for broadband integrated wide area networks", Computer Networks and ISDN Systems, 1996, 28, #6, 811-834.

89. Roberts J., Mocci U., Virtamo J. "Broadband Network Teletraffic. Final Report of Action COST 242", Springer, 1996, 586p.

90. Rose O., Ritter M. "MPEG-Video Sources in ATM-Systems A new approach for the dimensioning of policing functions", IFIP 3rd International Conference on Local and Metropolian Communication Systems, Kyoto, December 1994, pp.99-117.

91. Rozanski G., Bromirski M., Lobeyko W. "Technique for TCP over ATM traffic prediction in the Presence of Traffic Policing", St.-Petersburg Regional International Teletraffic Seminar, LONIIS, June 1-7, 1998, pp. 171-177.

92. Rozic N., Vojnovic "Source Modeling of MPEG Video", proceedings of IEEE Globecom, 1996, pp. 1429-1433.

93. Sen P. "Models for packet switching of VBR video sources", IEEE JSAC, vol.7, June 1989, pp. 865-869.

94. Skelly P., Dixit S., Schwartz M. "A Histogram-Based Model for Video Traffic Behavior in an ATM Network with an Application to Congestion Control", private communications.

95. Skelly P., Schwartz M. "A Histogram-Based Model for Video Traffic Behavior in an ATM Multiplexer", private communications.

96. Ursini E.L., Girolami A. "Yearly and Monthly Data Forecasting Using Kalman Filter", ITC 12, pp.270-276.

97. Warfield R., Chan S., Konheim A., Guillaume A. "Real-Time Traffic Estimation in ATM Networks", ITC 14.

98. Williams R.T., Zipster D.E. "A learning algorithm for continually running fully recurrent neural networks", Neural Computation, vol.1, 1989, pp. 270-280.

99. Wu J.L.C., Chen Y.W., Jiang K.C. "Two models for variable bit rate MPEG sources", IEICE Trans. Commun., vol. E78-b, May 1995, pp.717-745.

100. Yegenoglu F., Jabbari B. "Performance evaluation of MMPP queues for aggregate ATM traffic models", IEEE InfoCom, 1993, pp.1314-1319.

101. Youself, Schormans "Performance, Interarrival and Correlation Analysis of Four-State MMPP Model in ATM-based B-ISDN", IEEE Proc. Commun. IEEE Proc. I., 1996,143, #6, 363-368.

102. Yuhas В., Ansari N. (eds), Neural Networks in Telecommunications, Kluwer Academic Publishers, 1994.

103. Zheng В., Atiquzzaman M. "Traffic Management of Multimedia over ATM Networks", IEEE Communications Magazine, vol. 37, No.l, pp.33-38, January 1999.

104. Engelbrecht A.P., Cloete I. "Building Intelligence into Telecommunications Network Management and Control", Regional International Teletraffic Seminar, 4-8 September 1995, South Africa, pp.271-281.

105. Koucheryavy Y., Yanovsky G. "A new approach for simulating of video traffic sources", proceedings of the 4th IEEE Malaysia International Conference on Communications (MICC'99), November 17-19, 1999, Melaka (Malaysia).