THE EFFECT OF THE AMOUNT OF DATA ARRAY ON THE RESULTS OF FORECASTING NETWORK EQUIPMENT FAILURES
DOI:
https://doi.org/10.32014/2021.2518-1726.98Ключевые слова:
machine learning methods, modeling of machine learning method, network equipment failure forecasts, LANАннотация
Аннотация: В статье рассматриваются три метода прогнозирования отказов сетевого оборудования и влияния массива данных на входных контроллеров. Цель статьи - раскрыть актуальность предложенного авторами подхода к использованию данных большого объема в выбранном методе машинного обучения и произвести сравнительный анализ итоговых значений с работами других, мировых исследователей. В первом разделе авторы анализируют работу ученых из Пекинского университета почты и телекоммуникаций, отмечая сильные и слабые стороны их метода. В разделе 2 авторы анализируют метод Хольта-Винтерса для разработки алгоритмов анализа сетевого трафика, который был применен исследователями из Томского государственного университета систем управления и радиоэлектроники. В разделе 3 авторы применили метод случайных деревьев при моделировании методов машинного обучения студии RapidMiner. Авторы провели работу с большим объемом данных и провели сравнительный анализ результатов моделирования методом. Доказана важность использования больших объемов информации для обучения модели прогнозирования отказов сетевого оборудования. В заключительном разделе авторы подчеркивают необходимость совершенствования моделей прогнозирования для их дальнейшего внедрения в рабочую среду. Также авторы подчеркивают, что две статьи, рассмотренные международными исследователями, являются частным случаем, как и выбранный ими метод прогнозирования сбоев в системе локальной сети.
