Neural computing techniques are used to optimize route selection in a communication network, such as an ATM network. Output measurements of the network are used to provide optimal routing selection and traffic management. Specifically, link data traffic is monitored in the network to obtain traffic history data. An autoregressive backpropagation neural network is trained using the traffic history data to obtain respective predicted traffic profiles for the links. Particular links are then selected for carrying data based on the predicted traffic profiles. A cost function, limits on network parameters such as link cost and cell rate, and other quality of service factors are also considered in selecting the optimal route.

Des techniques de calcul neurales sont employées pour optimiser le choix d'itinéraire dans un réseau de transmission, tel qu'un réseau d'atmosphère. Des mesures de rendement du réseau sont employées pour fournir le choix de cheminement et la gestion optimaux du trafic. Spécifiquement, le trafic de données de lien est surveillé dans le réseau pour obtenir des données d'histoire du trafic. Un réseau neurologique de backpropagation auto-régressif est formé en utilisant les données d'histoire du trafic pour obtenir des profils prévus respectifs du trafic pour les liens. Des liens particuliers sont alors choisis pour des données portantes basées sur les profils prévus du trafic. Une fonction de coût, des limites sur des paramètres de réseau tels que le coût de lien et le taux de cellules, et toute autre qualité des facteurs de service sont également considérées en choisissant l'itinéraire optimal.