Sur la suppression des protocoles de routage des réseaux sans fil futurs : une approche d'apprentissage profond en temps réel pour un contrôle intelligent du trafic

Récemment, l'apprentissage profond est apparu comme une technique d'apprentissage automatique révolutionnaire pour divers domaines en informatique ainsi que d'autres disciplines. Cependant, l'application de l'apprentissage profond pour le contrôle du trafic réseau dans les réseaux sans fil/hétérogènes est un domaine relativement nouveau. Avec l'évolution des réseaux sans fil, le contrôle efficace du trafic réseau, tel que la méthodologie de routage dans le réseau backbone sans fil, constitue un défi majeur. Cela s'explique par le fait que les protocoles de routage conventionnels n'apprennent pas de leurs expériences antérieures concernant les anomalies du réseau telles que la congestion, etc. Par conséquent, une méthode de contrôle intelligent du trafic réseau est essentielle pour éviter ce problème. Dans cet article, nous abordons ce sujet et proposons une nouvelle méthode de contrôle intelligent du trafic réseau reposant sur l'apprentissage profond en temps réel, exploitant des réseaux de neurones convolutionnels profonds (deep CNNs) avec des entrées et sorties caractérisées de manière unique pour représenter le réseau backbone du Wireless Mesh Network (WMN) considéré. Les résultats de simulation montrent que notre proposition atteint un temps de retard moyen et un taux de perte de paquets significativement plus faibles par rapport à ceux observés avec les méthodes de routage existantes. Nous mettons particulièrement l'accent sur l'indépendance de notre méthode proposée vis-à-vis des protocoles de routage existants, ce qui en fait un candidat potentiel pour éliminer les protocoles de routage des futurs réseaux câblés/sans fil.