Resumen de Algoritmos supervisados para la predicción del ancho de banda de las aplicaciones en amazon web service desde una pyme rural
Ramiro Osorio Diaz, Martha Yaneth Segura Ruiz, Mauricio Alonso Villalba
Este artículo presenta una metodología para medir el comportamiento del ancho de banda realizando predicciones del tráfico de red que se conecta a la nube en empresas pequeñas y medianas de zonas rurales de difícil acceso en Colombia, con el fin de optimizar en el tiempo los recursos de red y asegurar la calidad del servicio en las aplicaciones web. Se realiza un estudio comparativo de tres algoritmos de redes neuronales que modelan una red neuronal multicapa, seleccionando el que tenga un error mínimo que se aproxime a cero, el algoritmo seleccionado se entrena a partir de una fuente de datos para predecir el tráfico de red que se conecta a la nube.
Es necesario analizar el comportamiento de la red para garantizar que las aplicaciones web que se encuentran en la nube transfiriendo información como datos, imágenes, sonidos, videos, entre otros, algunos en tiempo real y que generan alto tráfico, funcionen con calidad. Tener una visión general del tráfico que fluye a través de la red permite generar una planificación de la capacidad de la red cuando se administran recursos limitados como en el caso de pequeñas y medianas empresas de zonas rurales. Como producto del análisis de la investigación se desarrolla un prototipo de software libre que realiza las mediciones y predicciones en las áreas rurales. Los resultados de la implementación indican que el enfoque propuesto es superior a otros métodos de predicción en términos de precisión y predicción.
