وبلاگ

معماری های کنونی کیفیت سرویس با خصوصیات لایه پیوند سروکار ندارند. این معماری ها تفاوت های موجود در نیازهای کیفیت سرویس در شبکه های ارائه کننده سرویس اینترنت و شبکه های زیرساخت یا هسته را در نظر نمی گیرند. این تفاوت ها در نیازهای کیفیت سرویس از تفاوت های موجود در حجم ترافیک به کار گرفته شده در ISP و شبکه های زیرساخت ناشی می شوند. مضافا با توجه به ماهیت خود، به کندی عمل می کنند و در نتیجه این امکان را به وجود می آورند که ترافیک های نامناسب وارد شبکه شوند و عملکرد آن را مختل کنند. این موضوع نیاز به یک معماری کیفیت سرویس را که مشکلات یاد شده را نداشته باشد و از مزایای معماری های موجود نیز بهره مند باشد، آشکار می کند.
در این رساله برای دستیابی به هدف مذکور، یک معماری کیفیت سرویس براساس سوئیچینگ برچسب چند پروتکلی پیشنهاد می کنیم. در این معماری از مزایای معماری های مبتنی بر ATM و DiffServ استفاده می گردد. این تحقیق شامل جزئیات معماری QoS و نتایج شبیه سازی برای نشان دادن حصول به اهداف یاد شده است.

فصل اول جزئیاتی از معماری پیشنهاد شده و مقایسه آن با معماری های شناخته شده دیگر را ارائه می کند. فصل دوم تحلیل کیفی از دو پروتکل سیگنالینگ در این معماری را بیان می کند. فصل سوم شامل نتایج شبیه سازی است که تأثیر ترکیب MPLS و DiffServ را در شبکه های هسته نشان می دهد. فصل چهارم، نتایج حاصل از تحلیل کیفی و کمی معماری را ارائه می دهد و همچنین روند آتی را نیز پیشنهاد می کند.

فصل اول
1-1- هدف
بحث کنترل ترافیک در شبکه ها جهت رسیدن به بهترین کیفیت سرویس از مهمترین موضوعات برای طراحان شبکه های بزرگ می باشد. معماری پیشنهادی، ترافیک در هسته شبکه را به بهترین شکل ممکن و با کیفیت عالی تحت کنترل دارد.
2-1- پیشینه تحقیق
تلاش های بسیاری جهت بهبود کیفیت سرویس در شبکه ها صورت گرفته است و در فصل سوم (2-3-2) به برخی از این معماری ها اشاره شده است که هرکدام از معماری ها معایبی دارند اما معماری پیشنهادی هرچند به مرحله تولید نرسیده است اما به صورت آزمایشگاهی بهترین کیفیت سرویس را در هسته نشان داده است (با کمک NS-2) و با کمک این معماری توانستیم ترافیک و ازدحام را با مکانیزم هایی تحت کنترل کامل درآوریم.
3-1- روش کار و تحقیق
جهت رسیدن به هدف نهایی از جدیدترین مقالات مرتبط استفاده شده است. با توجه به اینکه در این معماری از MPLS و DIFFSERVICE استفاده شده است لذا تسلط به این دو بحث ضروری به نظر می رسید که در ادامه همین فصل به طور خلاصه به توضیح آنها خواهیم پرداخت. همچنین برای شبیه سازی از نرم افزار NS-2 استفاده شده است که نتایج آن به صورت گرافیکی در فصل آخر رساله آمده است.

چهره جزو مهمترین محرک هایی است که به سیستم بینایی اعمال می شود. ثبت های الکترودی از تک نرون ها در میمون Macaque نشان داده است که بعضی از نرون ها به طور اساسی به چهره جواب می دهند و به محرک های دیگر پاسخ نمی دهند. این نرون ها در جلوی قسمت بالایی شیار گیجگاهی یا STS و در ناحیه TE یافت شده اند. این سلول ها برای پاسخ دادن نیاز به وجود تمام اجزای صورت را دارند.

از طرفی، نشان داده شده است که بعضی از سلول ها به تنها یکی از اجزای صورت مانند (چشم ها، دهان، موها) یا زیرمجموعه ای از اجزاء پاسخ می دهند. این سلول ها پاسخ افت کننده ای به جزء دیگر صورت یا کل صورت دارند. هرکدام از این سلول ها از طریق سیناپس ها به یکدیگر متصل می باشند که تشکیل یک شبکه عصبی را می دهند.
هدف این پروژه آنالیز این نکته است که وجود جاذب های مجزا برای اجزای صورت مانند چشم، گوش، بینی و مو در کنار جاذب ها برای کل صورت چقدر فرآیندهای ذخیره سازی و بازشناسی کل چهره را تسهیل می سازد. سوال اصلی دیگری که در اینجا مطرح است این است که ذخیره سازی اجزاء به صورت جاذب در یک ناحیه کرتکس چقدر به ذخیره سازی و بازیابی یک حافظه ترکیبی کمک می کنند. با این حال قصد اصلی این پروژه تاکید بر بازیابی صورت در مغز برای پاسخ به این پرسش است. این کار به وسیله مدلسازی انجام می پذیرد به این ترتیب که شبکه عصبی مورد نظر برای مدلسازی پیاده سازی می شود و نتایج بررسی خواهد شد.
یکی از مدل های مشابه که توسط Treves و همکارانش در SISSA شبیه سازی شده است، از شبکه عصبی ماژولار تشکیل شده است که هریک از ماژول ها برای کد کردن و ذخیره سازی یک از اجزای صورت استفاده شده اند. در این شبیه سازی شبکه ای برای سلول های کدکننده کل صورت یا سلول چهره در نظر گرفته نشده است و فقط تفاوت در وجود یا نبود اتصالات بین ماژول ها در عمل بازشناسی چهره مورد بررسی قرار گرفته است.