在计算机网络依地域性划分有,论计算机网络体系结构在其校园网中的应用

摘 要:随着网络的逐步普及,校园网络的建设是学校向信息化发展的必然选择,校园网网络系统是一个非常庞大而复杂的系统,它不仅为现代化教学、综合信息管理和办公自动化等一系列应用提供基本操作平台,而且能提供多种应用服务,使信息能及时、准确地传输给各个系统。本文首先介绍了计算机网络体系结构,重点阐述了以两个(OSI、TCP/IP)参考模型及一个(IEEE 802局域网)协议为基础探讨了一个校园网的设计与实现。

关键词:OSI参考模型;TCP/IP参考模型;校园网

中图分类号: G623 文献标识码: A

引 言:

信息技术的发展影响及其深远,作为信息技术的核心网络技术已经深入人心并用到各行各业。本文首先介绍了计算机网络的体系结构,重点的介绍了体系结构中的ISO模型,以及成为实际国际标准的TCP/IP模型,另外,也介绍了局域网协议IEEE 802 。依据网络体系结构的原理,依据TCP/IP模型和局域网协议设计了一个校园网原型。

1计算机网络体系结构

计算机网络系统结构(CAN,Computer Network Architecture)[1] 其定义为将计算机网络的分层及其协议的集合。具体来说,网络体系结构就是关于计算机网络应设置哪几层,每一层次又能提供哪些功能的精确定义。体系结构对计算机网络应该实现的功能进行了精确的定义,而这些功能是用什么样的硬件与软件去完成的,则是具体的实现问题。本文侧重讨论了其中OSI参考模型、TCP/IP参考模型、IEEE 802局域网协议[2]。

1.1OSI参考模型

OSI参考模型定义了开放系统的层次结构和各层所提供的服务。OSI参考模型本身并不是网络体系结构。根据定义,网络体系结构是网络层次结构和相关协议的集合,而OSI参考模型并没有精确定义各层的协议,只是描述了每一层的功能。

OSI参考模型有七层组。这七层包括:物理层;数据链路层;网络层;运输层;会话层;表示层;应用层[3]。

1.2TCP/IP参考模型

TCP/IP(通常它是指传输控制协议网际协议,Transmission Control ProtocolInternet Protocol)是发展至今最成功的通信协议,它被用于当今所构筑的最大的开放式网络系统Internet之上就是其成功的明证。

TCP/IP有四层组成,这与OSI由七层组成不相同。这四层包括:应用层(Application);传输层(Transport);网络层(Networt);链路层(Link)。

1.3IEEE 802参考模型

为了使局域网中的数据链路层不致过于复杂,就应当将局域网的数据链路层划分为两个子层,即:媒体接入控制或媒体访问控制MAC(Medium Access Control)子层和逻辑链路控制LIC(Logical Link Control)子层,而网络的服务访问点SAP则在LIC层与高层的交界面上[3]。

2校园网设计方案与实现

2.1利用计算机网络设计校园网的意义

在知识经济和数字化生存时代,校园网在资源共享、知识传播、育人管理等方面发挥越来越重要的作用,因此其设计建设要本着高起点而又经济实用的标准。具体来说,应是一个以宽带IP网为目标建立数据、语音、视频三网合一的一体化网络;为提高网络可靠性及安全性,需要在主干网采用光纤布线,校园网应实现虚拟局域网的功能,以保证全网的良好性能及网络安全性;主干网交换机应具有很高的包交换速度,整个网络应具有高速的三层交换功能;网络应该采用成熟的、可靠的快速以太网和千兆位以太网技术作为校园网主干;校园网应选用先进的网管软件,建立完善的网络管理体系;在设备方面,应选择有校园网成功案例的网络厂商的设备,同时为Internet拨号用户和移动用户提供接口;网络还应具有良好的扩展性。

2.2需求分析

随着该校信息化建设,教学资源整合,加强本地院校,远程院校,研究所,后勤部门的管理,能实现行政,教学,科研在网络上进行,实现接入中国教育科研网的信息化目标。

服务需求:

该校园网主要服务内容是

---客户机/服务器数据

---Web

---Mail

---多媒体教学,VOD,视频会议

---语音/传真

---网络管理

校园网的设计原则:

先进性:-由于网络技术的日新月异,更高的带宽和更先进的应用层出不穷,本校园网将在未来几年的运行中能达到应用需求的先进性,能在较长时期内达到业界的先进水平,保护用户的投资。

可靠性:-将要建设的校园网将是高可靠性,达到24小时不间断,无故障,稳定运行。网络的局部问题不能影响大网络的运行。

可扩展性:-骨干节点设备的性能具有向上扩展的能力,以备将来更高带宽和应用的需要。

可管理性:-整个校园网将采用集中式管理,能够监控网络的运行,并能找出网络节点的故障所在,迅速恢复用户的应用。

安全性:-由于整个大学的管理事务都将放在校园网上,不同部门的重要数据将要求绝对安全,可访问与不可访问将严格限制。

2.3方案实现

为了实现上述服务,方案将按照TCP/IP模型和局域网协议IEEE 802标准,采用星形全交换千兆以态网的千兆主干,百兆交换到桌面的大型校园网解决方案[5]。

方案特点:

(1)高性能全交换,千兆骨干(多模光纤)、百兆交换到桌面(UTP双绞线);

(2)虚拟局域网策略,提高局域网络内部安全与性能;

(3)多业务,多媒体教学、办公管理、远程通信一网实现;

(4)IP/TV多媒体应用系统,广播需求,实现多媒体教学、及宽带视频节目点播;

(5)管理简单,基于浏览器和网络管理工具的图形化配置;

(6)系统安全,集成路由器防火墙,提供互联网接入的安全保障;

(7)高速缓存,提高广域网速度,降低网络费用;

(8)经济实用,高性价比产品配置,支持系统平滑升级。

网络设备组成为:

Cisco 3640路由器 一台 (Cisco 3640服务器配有四个模块插槽, 假定购置了NM-4A/SF模块(四个同/异步串口),NM-2E2W模块(两口局域网口,两口广域网卡槽),NM-16AM模块(16口模拟MODEM网络模块),集成防火墙功能,位于网络中心)

Catalyst 4500交换机(48口)一台(中心交换机,可兼容下一代(next generation)网络平台,位于网络中心)

Catalyst 3524/3548交换机多台(工作组交换机,要接入校园网的各个学院建筑物,行政楼,学生公寓楼,住宅楼每栋一台,位于主配线间)

Catalyst 2924M-XL交换机多台(用于建筑物每一工作区楼层或每住宅单元,可通过堆叠以获得更多端口数目,位于中间配线间)

Cisco 2610路由器一台

Cache Engine高速缓存一台

IP/TV视频软件一套

这一方案的网络中心交换机设备为Catalyst4500,它的以太网端口全为千兆。用Catalyst3524(24口)/3548(48口)作为工作组交换机连接到桌面, 3524/3548的千兆上联口连接到中心交换机的千兆口而形成了一个强有力的网络主干;3524/3548的10/100M端口为所有教学和办公用PC提供连接,这些端口自适应的特性使PC网卡不论是旧有的10M还是新配备的100M都能应用自如,便于网络的逐步升级。千兆主干、100M到桌面的连接方式能将多媒体教学的优越性发挥得淋漓尽致,即使有更多用户方便加入到视频点播服务,网络带宽在较长时间内不会成为瓶颈。

远程访问的路由器为Cisco 3640,3640共有四个接口插槽,可选配更多的拨号端口或将插槽空余留作以后网络扩充用;3640的局域网接口也为模块形式,用户可根据远程访问的数据量大小选择10M或10/100M端口;3640还具有较高的数据处理能力,使广域网的容量能随局域网的改进作相应提高。

图 1 校园网网络拓扑图

3结束语

该文利用计算机网络体系结构的基本原理,采用TCP/IP模型和IEEE 802 ,利用最新的网络技术和设备设计了某个校园网的原型。该原型的应用可以提高院校的管理水平和效率。提高院校的教学管理效率和教学质量,具有显著的社会意义,对院校的局域网的建设具有一定的参考价值。

参考文献:

[1]计算机网络技术/何忠龙,卢昱,顾丽娜编著。-----北京:科学出版社,2005.6 (13―19)

[2]网络原理与技术教程/吴礼发、谢希仁编著。----北京:希望电子出版社,2002.9(16-32)

[3]计算机网络/谢希仁编著。---4版---北京:电子工业出版社 2003.6(20―30)

[4]网络系统集成需求分析与方案设计/彭祖林主编 谢晓竹 张晗 编著。-----北京:国防工业出版社,2004.6(34-41)

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值