даного e, щоб мінімізувати зважену суму квадратів відхилень:
(3.7)
де Np - число спостережень в робочій частині вибірки.
Спочатку вагові коефіцієнти спостережень передбачаються однаковими і рівними 1, з цими вагами будується система коефіцієнтів ak, k=1,2, ..., m моделі у вигляді рішення системи лінійних рівнянь
(3.8)
Потім вибираються ваги таким чином, щоб вага i-го спостереження залежав від ставлення i-го залишку в попередній ітерації до загальної мірою залишків в цій ітерації:
(3.9)
і за цими ваг будується нова система коефіцієнтів моделі і т.д. Процес зупиняється, коли досягається задана ступінь точності e, тобто коли виконається нерівність
. (3.10)
Для використання отриманої залежності в імітаційної моделі необхідно провести перерахунок коефіцієнтів моделі з урахуванням коефіцієнтів лінійного перетворення, яке здійснювалося при центруванні і нормуванні [6].
Для побудови функції відгуку скористаємося спеціалізованим пакетом для моделювання нейронних мереж NeuroShell 2 (Ward Systems Group, Inc.), в якому реалізований комбінаторний алгоритм МГУА. Для побудови функції потрібна серія дослідів з різним станом мережі, будемо використовувати дані, отримані при тестування з додатка 1.
В результаті розрахунку з використанням пакета NeuroShell була отримана функція відгуку:
Y=- 0.42-0.14 * X1-8.8E - 002 * X2 +0.4 * X3 +0.36 * X3 ^ 2 +6.7 E - 002 * X1 * X2 +0.26 * X1 * X3-2.6E - 002 * X2 * X3, (3.11)
де: X1=2 * (win / lin - 1) - 1 операційна система;
X2=2 * (key - 128) / 128 довжина ключа в бітах;
X3=(Kol - 1) / 2 кількість клієнтів беруть участь в тестування;
Y=2 * S <-> C - 6.54/87 (розрахункова продуктивність в тисячах bit / sec).
В результаті роботи пакета NeuroShell побудуємо графіки:
Рис 3.5 Графік продуктивності захищеного каналу побудований на основі даних отриманих дослідним шляхом.
Значення параметра N визначає умови проведення досвіду в частині використовуваної мережевої операційної системи сервера, кількості віддалених клієнтів мережі і довжини ключа шифрування. Вся необхідна інформація для побудови графіка, представлена ??на рис. 3.5, наведена в додатку 1.
Рис 3.6 Графік функції Y (N) продуктивності захищеного каналу корпоративної мережі
Значення параметра N визначає умови проведення досвіду в частині використовуваної мережевої операційної системи сервера, кількості віддалених клієнтів мережі і довжини ключа шифрування. Вся необхідна інформація для побудови графіка, представлена ??на рис. 3.6, наведена в додатку 1.
Для порівняння з вихідними даними, отриманими при прорахунку програмою, побудуємо разом з ним графік пропускної здатності мережі отриманий дослідним шляхом при тестуванні
Рис 3.7 Суміщений графік функції відгуку Y (N) і емпіричних даних.
Значення параметра N визначає умови проведення досвіду в частині використовуваної мережевої операційної системи сервера, кількості віддалених клієнтів мережі і довжини ключа шифрування. Вся необхідна інформація для побудови графіка, представлена ??на рис. 3.7, наведена в додатку 1.
Рис 3.8 Графік середньоквадратичного відхилення помилки і кореляцією Y (N) і вихідних даних
Значення ...
