Cel testu

Zadaniem tego testu było sprawdzenie i porównanie dwóch sposobów szacowania przyszłej wartości estymatora I -- poprzez wykorzystanie sieci neuronowej oraz przy pomocy algorytmu prostej aproksymacji liniowej. Podczas testu symulowano 400 kroków algorytmu decydenta. Parę (krok algorytmu decydenta, wartość mierzonego/obliczanego parametru) będziemy określać mianem punktu w teście. Eksperyment składał się z dwóch części, w których symulowano zachowanie pojedynczego komputera w sieci. W obu najpierw wygenerowano ciąg możliwych wartości takich parametrów jak liczba przesłanych bajtów, średnia wielkość pakietu, liczba otwartych strumieni. Następnie na ich podstawie dokonywano szacowania estymatora I -- w pierwszej części przy pomocy sieci neuronowej, w drugiej algorytmem aproksymacji liniowej.

W przypadku sieci neuronowej pierwszych 300 punktów posłużyło do uczenia sieci -- właściwe szacowanie badano dla ostatnich 100 punktów. Przy pomocy algorytmu aproksymacji liniowej wyznaczano przewidywaną wartość dla ostatnich 100 wartości.

W testach wykorzystano sieć neuronową 4-warstwową o liczbie neuronów w kolejnych warstwach: 12, 12, 6, 1. Poszczególne neurony były modelowane przez logistyczną funkcję aktywacji. Ze względu na jej własności wszystkie dane wprowadzane na wejście sieci musiały zostać przeskalowane w przedziale $[L..H]$. Opisywaną procedurę wykonano wg wzoru:

$$x_{skal} = \frac{x - x_{min}}{x_{max} - x_{min}} * (H - L) + L$$ (12)

Oznaczenia:

• $x_{skal}$ - wielkość przeskalowana,
• $x_{min}, x_{max}$ - odpowiednio najmniejsza i największa wartość w zbiorze danych wejściowych,
• $H$ - górna granica przedziału, do którego przeskalowywano,
• $L$ - dolna granica przedziału, do którego przeskalowywano.

Dla testowanej sieci przyjęto: $H=0.9$ i $L=0.1$.