JP3358726B2 - ニューラルネットワークとパケット伝送制御方式 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、マルチメディアに
おけるニューラルネットワークとファジイ推論を用いた
パケット伝送制御方式に関する。

【０００２】

【従来の技術】従来、音声信号をパケットに組み立て、
音声信号の有音部（トークスパート）をパケット交換装
置を介して送受する音声パケット交換システムが用いら
れている。音声信号を扱う音声パケット交換システムで
は、伝送遅延が少ないこと、すなわち厳しい実時間性
と、同期通信により伝送遅延が一定であることが要求さ
れている。

【０００３】ここで、音声パケットの伝送に介在したパ
ケットと交換ノードのトラヒック量に応じて通話品質と
音声遅延を最適に保つ音声パケット伝送遅延制御方式シ
ステムについて、特開昭６３―２７５２５１号公報に記
載されている。同公報には、従来の音声パケット伝送遅
延制御方式システムにおけるパケット吸収バッファの蓄
積容量制御の一例が記載されている。

【０００４】図１５に示すように、送信側の電話機２１
０から音声が入力される。その音声は送信機側装置２１
２の符号器２１４で符号化それ、パケット組立装置２１
６にて音声パケットに組み立てられてパケット交換網２
１８へ送出される。電話機２１０に音声入力があるとき
だけ発せられた音声パケットは、パケット交換網２１８
におけるノード２２０を何段か経由して受信側装置２２
２へ到着する。受信側装置２２２では、パケット分解装
置２２４にてパケットを分解され、復号器２２６によっ
て元の音声信号に再生されて電話機２２８で可聴音声に
復元される。

【０００５】送信機側装置２１２は被呼電話機への接続
を要求する呼設定パケットを送出し、それと共に同じ時
刻に受信バッファ制御パケット３００を、図１６に示す
ような構成で、送出するように構成されている。図１６
は受信バッファ制御パケット３００の構成であり、パケ
ット識別子Ｆと、被呼者のアドレスである相手先アドレ
ス３０２と、制御識別子３０４と、パケットの伝送され
るノード２２０のトラヒックの輻輳状況を示すトラヒッ
ク情報指数を含む受信バッファ制御情報３０６と、情報
チェック用コードＦＣＳと、パケット識別子Ｆとからな
る。パケットネットワークの中継交換局は、このパケッ
ト構造の相手先アドレスを検出するとルーティングやト
ラッキングをして相手先にパケットを送付する。

【０００６】図１７にパケット分解装置２２４の構成を
示す。パケット通信網２１８のパケット交換ノード２２
０から回線端子３３０にパケットが受信される。受信し
たパケットはパケット分解回路３３２にてパケットを解
かれる。それらの受信パケットのうち音声パケットは、
パケット分解回路３３２で分解されると、その音声信号
データが出力３３４から遅延時間変動吸収バッファ３３
６へ転送され、同バッファ３３６に順次蓄積される。遅
延時間変動吸収バッファ３３６は、受信した音声信号デ
ータを順番に蓄積し、ＦＩＦＯ動作にてその出力３３８
へ順番に出力する。バッファ３３６からの読み出しは制
御回路３４０にて制御される。音声信号は復号器２２６
で復号され、電話機２２８に送られて音声として再生さ
れる。

【０００７】パケット分解回路３３２は、受信バッファ
制御情報３０６を受信すると、これを分解してその受信
バッファ制御情報３０６をその出力３４２から制御パケ
ット受信回路３４４へ転送する。制御パケット受信回路
３４４は、受信バッファ制御情報３０６を記憶・保持す
る。その出力３４６は制御回路３４０に入力され、又そ
の出力３４８は応答パケット送信回路３５０に接続さ
れ、受信バッファ制御情報３０６をパケットに形成して
元の電話機用に出力する。制御回路３４０は受信バッフ
ァ制御情報３０６に従って決定したパケット数を下に遅
延時間変動吸収バッファ３３６の読み出しを制御する。

【０００８】この音声パケット伝送遅延制御方式システ
ムにおいては、音声パケットの受信側において受信した
制御パケットにより音声パケット通信網のトラヒック状
況や中継段数に関連する情報を入手できる。

【０００９】そこで、遅延時間変動吸収バッファ３３６
への制御回路３４０からの制御により、音声パケット通
信網のトラヒック輻輳状態、過負荷時の状況、パケット
接続ノードの段数等に応じて、音声パケットの遅延時間
吸収バッファからの音声を取り出して、開始時点を取り
出すことにより、音声パケットの伝送遅延時間のばらつ
きが吸収され、受信側にて滑らかに再生することができ
る。

【００１０】一方、特開平４−１５４２３２号公報に
は、遅延揺らぎ吸収制御方式について、ＡＴＭ多重伝送
システムにおけるセルの遅延揺らぎを吸収する場合に、
音声信号とファクシミリ信号やデータ等のモデム信号と
を含む場合に、音声信号の遅延を小さくし、且つモデム
信号のセル廃棄率を低減することを目的とし、音声信号
やモデム信号の入力信号を符号化する符号化部と、該符
号化部の符号化出力信号をセル化するセル化処理部と、
前記入力信号が音声信号か又はモデム信号かを検出する
信号検出部と、セル化処理部からのセルをバッファを介
して多重化する多重化部とを備え、前記信号検出部によ
る音声信号のとき、前記バッファの容量を小さくして、
音声信号の絶対遅延時間を短くして遅延揺らぎ吸収範囲
を広くして、セルの廃棄率を低減することが記載されて
いる。

【００１１】また、関連技術として、特開平９−８８１
２号公報には、ＡＴＭ交換システムにおけるバッファ容
量を動的に変化させてアクティブに制御することが記載
されており、特開平９−１１６５１６号公報には、Ｗ−
ＩＳＤＮ，ＳＯＮＥＴ，ＳＤＨ（Synchronous Digital
Hierarchy），ＰＤＨ（Plesiochronous Digital Hierar
chy）等のデジタル信号網の、スタッフアクションの頻
度を指標に、高品質の回線を選択する回線選択機能を有
する回線切り替え方法及び装置について記載されてい
る。

【００１２】また、特開平１０−２８５１７０号公報に
は、ＡＴＭセルの遅延揺らぎ吸収バッファ制御方式につ
いて、ＡＴＭセルをリアルタイム信号に再生する受信側
のＣＬＡＤ（Cell Assembly and Disassembly）部のセ
ルバッファ部での遅延を減少させるとき、セルバッファ
部に蓄積されているセルを古いものから廃棄して、より
新しいセルの読み出しを行い、一方、遅延を増加させる
ときは、ＣＬＡＤ部のフレーム再生部に対応したダミー
セルの読み出しを行うことで、遅延揺らぎを吸収するこ
とが記載されている。

【００１３】

【発明が解決しようとする課題】しかしながら、上述し
た従来のシステムでは、次のような問題がある。

【００１４】第１の問題点は、音声以外のトラヒックに
ついて具体的に対応していないことである。すなわち、
音声パケットに対しての遅延時間吸収バッファの設定
が、ＦＡＸやＷＷＷ（インターネットに用いるWorld Wi
e Web）のＷＥＢ参照時のトラヒック等と同様となるた
め、品質が逆に悪化することもありえる。

【００１５】第２の問題点は、遅延時間吸収バッファの
設定は、トラヒックの状況により可変であるが、最初の
音声パケット受信時点で固定的に決定されるため、その
後は最適ではないということである。これは、その後の
トラヒック状況の変動に対応できないためである。

【００１６】第３の問題点は、受信制御パケット自体
が、音声パケット交換システムを通っているので、ネッ
トワークで輻輳が発生した場合には、受信制御パケット
が遅延の原因となり、制御が不安定となるということで
ある。

【００１７】本発明の目的は、トラヒックの種別を考慮
して、遅延時間吸収バッファの設定ができるデータ通信
システムを提供することにある。

【００１８】本発明の他の目的は、リアルタイムに遅延
時間吸収バッファの設定ができるデータ通信システムを
提供することにある。

【００１９】本発明のさらに他の目的は、品質の評価を
行うことができるデータ通信システムを提供することに
ある。

【００２０】本発明のさらに他の目的は、品質の評価の
結果、一定のしきい値以下の場合には、別のネットワー
クに切り替えることが可能なデータ通信システムを提供
することにある。

【００２１】

【課題を解決するための手段】本発明は、マルチメディ
アをパケットを伝送する送信部と受信部を有するニュー
ラルネットワークにおいて、前記送信部には、前記マル
チメディアのサービスの種類を検出するサービス検出部
と、前記受信部からのパケット遅延量を検出する遅延検
出部と、前記受信部からのパケット揺らぎ量を検出する
揺らぎ検出部と、前記受信部によるパケット損失量を検
出するパケット損失検出部と、前記受信部のタイムスタ
ンプ比較部とからの各データを入力とするニューラルネ
ットワーク部と、前記パケット遅延量と揺らぎ量とパケ
ット損失量とを入力とするファジイ推論部と、前記パケ
ットの揺らぎを吸収するバッファとを備え、前記パケッ
トの品質値と、前記パケットの揺らぎを吸収するバッフ
ァの修正量とを出力することを特徴とする。

【００２２】また、本発明は、マルチメディアをパケッ
トを伝送するファジイ推論を用いたパケット伝送制御方
式において、パケットの送信部には、前記マルチメディ
アのサービスの種類を検出するサービス検出部と、前記
パケットを受信する受信部からのパケット遅延量を検出
する遅延検出部と、前記受信部からのパケット揺らぎ量
を検出する揺らぎ検出部と、前記受信部によるパケット
損失量を検出するパケット損失検出部と、前記受信部の
タイムスタンプ比較部とからの各データを入力とするニ
ューラルネットワーク部と、前記パケット遅延量と揺ら
ぎ量とパケット損失量とを入力とするファジイ推論部
と、前記パケットの揺らぎを吸収するバッファとを備
え、前記パケットの品質値と、前記パケットの揺らぎを
吸収するバッファの修正量とを出力することを特徴とす
る。

【００２３】また、本発明は、音声やＦＡＸデータ、そ
の他のデータに関し、特にパケット通信のパケット揺ら
ぎ用バッファの制御とデータ通信の品質保持のために他
の通信手段への切り替え制御の改良に関し、具体的に、
図１を参照して説明すれば、サービス検出部１１は入力
信号が音声／ＦＡＸデータ／ダイヤルアップのパケット
通信データのどれであるかを検出する。制御部１２はタ
イムスタンプ設定部１８からのタイムスタンプ情報と遅
延検出部１５からの遅延時間、揺らぎ検出部１６からの
揺らぎ量、パケット損失検出部１７からのパケット損失
個数とサービス検出部１１からのサービス種別を入力と
し、揺らぎ吸収バッファ１９と４３の修正量と品質、接
続先ネットワークを出力する。

【００２４】また、遅延検出部１５、揺らぎ検出部１
６、パケット損失検出部１９に入る情報はパケットネッ
トワーク２とは別の高信頼性ネットワーク３で伝達され
る。

【００２５】また、制御部１２は図２に示すニューラル
ネットワーク部１２１とファジイ推論部１２３から構成
される。ニューラルネットワーク部１２１ではタイムス
タンプ設定部１８からのタイムスタンプ情報と遅延検出
部１５からの遅延時間、揺らぎ検出部１６からの揺らぎ
量、パケット損失検出部１９からのパケット損失個数と
サービス検出部１１からのサービス種別を入力とし、揺
らぎ吸収バッファ１９と４３の修正量と品質を出力とす
る。ファジイ推論部１２３では遅延検出部１５からの遅
延時間、揺らぎ検出部１６からの揺らぎ量、パケット損
失検出部１７からのパケット損失個数から揺らぎ吸収バ
ッファ１９と４３修正量を推論する。

【００２６】さらに、実揺らぎ吸収バッファの修正量は
これらニューラルネットワーク部とファジイ推論部の和
を取ることにより修正量を求める。これによって音声以
外のトラヒックに適用が可能で、パケットネットワーク
の輻輳時にも揺らぎ吸収バッファ修正量１９と４３の制
御がリアルタイムに可能となる。またニューラルネット
ワーク部１２１の出力の品質値から接続先ネットワーク
の判定を行うことにより、パケットネットワーク２に問
題がある場合には接続先の変更指示が可能となる。

【００２７】

【発明の実施の形態】本発明による実施形態について、
図面を参照しつつ詳細に説明する。

【００２８】［第１の実施形態］ （構成の説明）ニューラルネットワークとファジイ推論
を用いてパケット伝送するパケット伝送制御方式につい
て、図１を参照すると、本実施形態は、入力された入力
信号を処理し、パケットデータ化を行うデータ送信部１
と、パケットデータを伝送するパケットネットワーク２
と、高信頼性ネットワーク３と、パケットデータを受信
し出力信号を生成するデータ受信部４とから構成され
る。

【００２９】データ送信部１は、入力信号に対しパケッ
トのヘッダー部に格納された音声、画像、データ、音声
の場合には、コーデックの種類等のサービスを検出する
サービス検出部１１と、パケットネットワークを通った
パケットがどれだけ遅延が発生しているかを検出する遅
延検出部１５と、パケットネットワークを通ったパケッ
トがどれだけ揺らいでいるか検出する、例えば所定時間
内の平均遅延時間を基準遅延量としてタイムカウンタ等
によって遅延量の揺らぎを検出する揺らぎ検出部１６
と、パケットネットワークを通ったパケットはどれだけ
損失しているかを検出するパケット損失検出部１７とか
ら構成される。

【００３０】さらに、パケット組立時の時間情報、例え
ばXX年XX月XX日XX時XX分XX秒というような時間情報（タ
イムスタンプ）をパケットの所定箇所に設定するタイム
スタンプ設定部１８と、これらサービス検出部１１と，
遅延検出部１５と，揺らぎ検出部１６と，パケット損失
検出部１７と，タイムスタンプ設定部１８とからの情
報、サービス種別、遅延量、揺らぎ量、パケット損失
量、タイムスタンプから送信バッファ部１９と、受信バ
ッファ部４３の大きさを調整する制御部１２と、入力信
号に対してアナログからデジタルの変換を行うＡ／Ｄ変
換部１３と、Ａ／Ｄ変換された通信データから送信バッ
ファ部１９を介してパケット組立を行うパケットの組立
制御部１４と、一時的にパケットのデータを格納する揺
らぎ吸収バッファ１９から構成されている。

【００３１】データ受信部４は、パケットのヘッダー部
から目的宛先を読み込んでルーティングやトラッキング
をしてパケットを送付するパケットネットワーク２を通
ったパケットの組立制御を行うパケット組立制御部４１
と、デジタルからアナログへの変換を行うＤ／Ａ変換部
４２と、一時的にパケットのデータを格納して受信揺ら
ぎを吸収する受信揺らぎ吸収バッファ部４３と、タイム
スタンプ設定部１８で付与されたタイムスタンプとＤ／
Ａ変換されたパケットの通過時間とを比較して遅延量や
揺らぎ量を検出できるデータを送出するタイムスタンプ
比較器４４とから構成されている。

【００３２】また、データ送信部１内の制御部１２は、
図２に示すように、ニューラルネットワーク部１２１
と、ニューラルネットワーク部１２１からの品質値から
接続先の判定を行う接続判定部１２２と、ファジイ推論
部１２３とから構成される。

【００３３】ニューラルネットワーク部１２１は、概念
的には図３に示すように、ニューロンが相互に結合した
構成を取る。図３において、ニューロンＵＶ５１と、ニ
ューロンＸＹ５３とは、情報を送る側と受ける側との接
点であるシナプスにおいて、結合係数Ｔｕｖ，ｘｙにて
結合されており、ニューロンＵＶの出力Ｖｕｖとこの結
合係数との積がニューロンＸＹ５３に入力される。

【００３４】ここで、ニューロン（Neuron）は神経細胞
ともいわれ、生理的には細胞体（soma）と、樹状突起
（dendrite）と、軸索（axon）の３つの要素からなり、
樹状突起と細胞体は入力信号を受け取り、細胞体はそれ
らを統合した出力を出し、軸索は出力信号を運んで、次
のニューロンに伝える機能を担う。ニューロンとニュー
ロンとの接点をシナプスといい、生理的シナプスは、ナ
トリウムイオンやカリウムイオンのイオン伝達による化
学伝達物質と、細胞同士が直接、電流をやり取りし電気
信号を伝える電気シナプス（electrical synapse）のギ
ャップジャンクションとからなり、シナプスにインパル
スが入力されると、その後シナプスの伝達効率が変化す
るというシナプスの可塑性の性質を有している。

【００３５】また、ニューロン・ネットワークとは、初
期時には、上記ニューロンの特性を単純化し、数理的に
取り扱いやすい形でモデル化した形式ニューロンを並列
に結合したネットワークをいい、その後の進展により、
文字認識、音声認識、株価予測など種々な問題も解決さ
れつつあり、巡回セールスマン問題解決や誤差逆伝搬学
習法等の提案があり、超並列コンピュータを含むネット
ワークも含まれる。

【００３６】また、ニューロンには、上記形式ニューロ
ンが代表格で、シナプスによる情報修飾、細胞体による
電位加算、インパルス発生のしきい値特性に着目したも
ので、ニューロンを多入力１出力素子と見なせば、図３
に示すように、ニューロンＵＶ５１からの入力と外部入
力Ｉｘｙ等の他のニューロンからの入力との総和がしき
い値Ｆより小さければ０を出力し、その総和がしきい値
Ｆより大きければ１を出力する。

【００３７】一方、形式ニューロンの出力値がニューロ
ンの特性関数がヘビサイド関数となる０か１であったの
に対し、これを連続値を取る関数に置き換えたものが連
続値モデルである。この連続値モデルとしては、Ｓ字形
のシグモイド（sigmoid）関数のｚ＝｛１／（１＋
ｅ^-y）｝で現せるものと、直線特性の線形ランプ関数、
プラス・マイナスのしきい値以外は一定となる線形しき
い値関数等が提唱されている。また、離散時刻Ｔに対す
るニューロンの出力として、離散時間モデルもあり、時
間加算特性を含めて遅れ要素を考慮したもの、ニューロ
ンの内部電位が時間に関する微分方程式として記述され
る連続時間モデル、これに時間加算特性を含めたものが
提唱されている。

【００３８】また、ニューラル・ネットワークモデルと
しては、ニューロンを層状に並べ、前の層から次の層へ
と一方向にのみ信号が伝わっていく階層形前向きネット
ワーク（multi-layered feed-forward network）と、ニ
ューロンの接続形態に何ら制約を設けず任意のニューロ
ン間の接続を許す非階層形ネットワークの形態がある。

【００３９】本実施形態では、図３に示すように、ニュ
ーロンＸＹ５３には、隣接する他のニューロンＵＶ５１
の出力Ｖuvおよび自ニューロンＸＹ５３の出力Ｖxyがそ
れぞれ結合係数Ｔuv,xyによって重み付けされて入力さ
れる。また外部入力Ｉｘｙ、Ｅxyも入力される。ニュー
ロンＸＹ５３はこれらの総和Σを取り、しきい値Ｆと比
較してしきい値Ｆより大きい場合には”１”を、しきい
値Ｆより小さいときには”０”を出力するしきい値処理
して出力する。

【００４０】図４に本実施形態のニューラルネットワー
ク部１２１の構成を示す。本実施形態では、３層６１、
６２、６３に示す階層状態の階層ニューラルネットワー
ク構成をとり、図１に示した入力信号に対し、サービス
を検出するサービス検出部１１と、パケットネットワー
クを通ったパケットがどれだけ遅延が発生しているかを
検出する遅延検出部１５と、パケットネットワークを通
ったパケットがどれだけ揺らいでいるか検出する揺らぎ
検出部１６と、パケットネットワーク２を通ったパケッ
トはどれだけ損失しているかを検出するパケット損失検
出部１７と、パケット組立時のタイムスタンプを設定す
るタイムスタンプ設定部１８からのそれぞれの情報であ
る、サービス種別、遅延量、揺らぎ量、パケット損失
量、タイムスタンプを入力とし、送信バッファ部１９、
受信バッファ部４３の揺らぎ吸収バッファの記憶容量の
サイズと、品質とを出力とする。

【００４１】図４に示したニューラルネットワークにて
使用するしきい値関数としては、ニューロンの出力関数
として代表的なシグモイド関数を使用する。図５にシグ
モイド関数の式とグラフを示す。このシグモイド関数
は、しきい値関数の代表的な関数であり、他の関数を用
いてもよい。

【００４２】本実施形態におけるニューラルネットワー
クの教師データの構成を図６に示す。教師データとして
は入力７１、出力７２のそれぞれの項目に対してそれぞ
れ数種類のパターンのデータを対象パケットネットワー
クのトラヒックデータと通信履歴と使用者の評価から作
成を実施する。

【００４３】ここで、ニューラルネットワークのモデル
の一つとして、ボルツマンマシンの学習則があり、外部
より入力信号を与えられるニューロンの集合を入力部、
出力信号を出すニューロンの集合を出力部、残りのニュ
ーロンを隠れ部といい、入力部と出力部とをまとめて可
視部ともいい、環境（外部より可視部へ与えられる教師
信号）を模擬するモデルをネットワーク内部に作り上げ
て検索する。この教師信号を入力部と出力部とに分けた
データを教師データと称している。

【００４４】また、この教師データは、テーブル形式で
記憶手段に格納されており、学習結果に収束した各種の
データを当てはめて、当てはまるパターンの教師データ
があれば、収束したと判断して、ニューラルネットワー
ク部の品質値や揺らぎ吸収バッファ量を出力とする。

【００４５】つぎに、図７は、図２のファジイ推論部１
２３のファジイ規則を示す。このファジイ規則は、パケ
ット損失量８１と、揺らぎ量８２と、揺らぎバッファ修
正量８３との関係を、以下のルールとして、表形式にま
とめたものである。

【００４６】ルールの中で示す記号を以下に説明する。

【００４７】ＬＳ：Ｌｏｓｓ（パケット損失量） ＪＩ：Ｊｉｔｔａ（揺らぎ量） Ｌ：Ｌａｒｇｅ（ジッタ大） Ｍ（Ｌｏｓｓ）：Ｍｉｄｄｌｅ（中間） Ｓ：Ｓｍａｌｌ（ジッタ小） Ｍ（ＪＩｔｔａ）：Ｍｉｎｕｓ（マイナス） Ｚ：Ｚｅｒｏ（ゼロ） Ｐ：Ｐｌｕｓ（プラス） △ＪＢ：Ｊｉｔｔａ Ｂｕｆｆｅｒ（ジッタ用バッファ
の）修正量 もし Ｌｏｓｓ＝Ｓで Ｊｉｔｔａ＝Ｍ ならば △Ｊ
Ｂ＝Ｚ（修正量ゼロ） もし Ｌｏｓｓ＝Ｓで Ｊｉｔｔａ＝Ｚ ならば △Ｊ
Ｂ＝Ｐ（修正量プラス） もし Ｌｏｓｓ＝Ｓで Ｊｉｔｔａ＝Ｐ ならば △Ｊ
Ｂ＝Ｐ（修正量プラス） もし Ｌｏｓｓ＝Ｍで Ｊｉｔｔａ＝Ｍ ならば △Ｊ
Ｂ＝Ｍ（修正量中間） もし Ｌｏｓｓ＝Ｍで Ｊｉｔｔａ＝Ｚ ならば △Ｊ
Ｂ＝Ｚ（修正量ゼロ） もし Ｌｏｓｓ＝Ｍで Ｊｉｔｔａ＝Ｐ ならば △Ｊ
Ｂ＝Ｐ（修正量プラス） もし Ｌｏｓｓ＝Ｌで Ｊｉｔｔａ＝Ｍ ならば △Ｊ
Ｂ＝Ｍ（修正量中間） もし Ｌｏｓｓ＝Ｌで Ｊｉｔｔａ＝Ｚ ならば △Ｊ
Ｂ＝Ｍ（修正量中間） もし Ｌｏｓｓ＝Ｌで Ｊｉｔｔａ＝Ｐ ならば △Ｊ
Ｂ＝Ｚ（修正量ゼロ） 例えば、パケット損失量Ｌｏｓｓ８１が小さく、揺らぎ
量Ｊｉｔｔａ８２がマイナスならば、揺らぎバッファ修
正量はゼロとしてこの点の処理を行わず、パケット損失
量８１が大きく、揺らぎ量８２がプラスであるならば、
揺らぎバッファ修正量はゼロとしてこの点の処理を行わ
ない。

【００４８】ここで、ファジー・ニューラル・ネットワ
ークとは、本発明にも用いているが、ファジー推論の考
え方にニューラルネットワークを取り入れて、両者の利
点を盛り込んだシステムであり、ファジー推論とは、い
くつかのファジー命題（規則・事実）からある一つの命
題（結論）を導き出す推論法であり、ファジー集合で
は、ファジー集合に属しているかいないか曖昧であり、
ファジー集合での帰属度をメンバシップ関数で表す。図
７に示すファジイ規則は、パケット損失量８１と、揺ら
ぎ量８２と、揺らぎバッファ修正量８３との関係を上記
条件の下で各符号で表した例を示しており、他のファジ
ー要素の事実からでも図７と同様な同様なファジイ規則
の表を作成できる。

【００４９】図８に、本実施形態におけるファジイ推論
のメンバーシップ関数を示す。このメンバーシップ関数
はそれぞれ９１から９９の９つの関数から構成されてお
り、パケット損失、揺らぎの各規則への適合度を算出す
るために使用する。図８のｋＬ、ｋＪ、ｋｄｊはメンバ
ーシップ関数のパラメータ変数である。

【００５０】例えば、メンバーシップ関数９１はパケッ
ト損失量ＬＳ中でスモールＳの特性を示し、パケット損
失を０〜１間でパラメータ関数−ｋＬから０に至る特性
となっている。同様に、揺らぎ量、揺らぎ吸収バッファ
修正量についても同様で、揺らぎ吸収バッファ修正量の
メンバーシップ関数９８はパケット損失Ｌｏｓｓ＝Ｍと
なる中間値で、揺らぎ量Ｊｉｔｔａ＝Ｚとなるゼロであ
るならば、揺らぎ吸収バッファ修正量のＪｉｔｔａ Ｂ
ｕｆｆｅｒ修正量△ＪＢ＝Ｚとなる、パラメータ変数−
ｋｄｊ〜０〜ｋｄｊ間で０→１→０となる特性で現せ
る。

【００５１】（２）動作の説明 先ず、図１において、送信部１では、パケット入力信号
はＡ／Ｄ変換器１３によりデジタル信号に変換され、容
量可変のバッファ部１９に格納され、制御部１２によっ
てニューラルネットワーク部とファジー推論部によるバ
ッファ吸収量に従って、バッファ量を可変され、パケッ
ト組立制御部１４によりパケットを組み立てられてパケ
ットネットワーク網２に配信される。タイムスタンプ設
定部１８はバッファ部１９の可変量に応じてパケット組
立制御部１４を制御する。

【００５２】一方、受信部４では、パケットネットワー
ク網２からのパケットを先ず受信側の揺らぎ吸収バッフ
ァ４３に格納され、その格納されたパケットを再組立制
御するパケット組立制御部で再パケットに組立て、Ｄ／
Ａ変換部４２でアナログ信号に変換して、元のマルチメ
ディアの所定の入力信号と同一の出力信号として出力す
る。また、受信部４で得られたバッファ部４３に格納さ
れたパケットを送信部１に、高信頼性のネットワーク３
を介して送信する。

【００５３】つぎに、図９、図１０を参照して、本実施
形態のニューラルネットワークの学習について説明す
る。

【００５４】図９は本実施形態のニューラルネットワー
クの学習のフロー図である。学習に先立ち、まず図６に
示すような、教師データの生成（１０１）を行う。教師
データはニューラルネットワークの入力となるデータ、
サービス、タイムスタンプ、遅延時間、揺らぎ量、パケ
ット損失量について偏りがないように、対象パケットネ
ットワークにおいてサンプリングを実施する。

【００５５】つぎに、ニューラルネットワーク部の初期
値の設定（１０２）を行う。本実施形態では図４に示す
３層５１〜５３のニューラルネットワークを使用する。
サンプリングして収集した教師データを、図４のニュー
ラルネットワークに適合（１０３）し、ニューラルネッ
トワーク計算（１０４）を実施する。ニューラルネット
ワークの出力と教師データの差分（１０５）から、図１
０に示したエネルギー関数（１１３）を用いて、エネル
ギーを算出する（１０６）。エネルギーが別に設定した
しきい値以下となったときは、ニューラルネットワーク
の学習が完了したと考え終了する（１０７）。しきい値
以下となっていない場合は、教師データの差分からバッ
クプロパゲーション法（１１１）を用いて、ニューロン
間の結合係数を修正する（１０８）。教師データの適合
（１０３）からエネルギーの算出までを繰り返すことに
より、ニューラルネットワークの学習を行う。

【００５６】なお、図１０に示すのは、教師データを用
いたエネルギー関数を示す構成図であり、教師データ
中、サービス種別、タイムスタンプ、遅延時間、揺らぎ
量、パケット損失量を入力とし、品質値と揺らぎ吸収バ
ッファサイズを出力とするニューラルネットワーク部１
１２と、教師データの出力分とニューラルネットワーク
部１１２の出力である品質値と揺らぎ吸収バッファサイ
ズの各差分に応じて、ニューラルネットワーク部１１２
にフィードバックするバックプロパゲーション（逆伝
搬）部１１１とから構成される。

【００５７】また、エネルギー関数１１３は、ニューラ
ルネットワーク部１１２の品質値の出力ＮＱｘと教師デ
ータの品質値ＮＱｘとの差の２乗の総和と、ニューラル
ネットワーク部１１２の揺らぎ吸収バッファサイズの出
力ＮＢｘと教師データの揺らぎ吸収バッファサイズの出
力Ｂｘとの差の２乗の総和とを加算したものであり、図
１０に示す関数で示される。

【００５８】通常、エネルギー最小化の原理に基づい
て、エネルギーの一定化を図る。エネルギー量が所定の
しきい値以下となれば収束したと判断して、そのときの
ニューラルネットワーク部の品質値及び揺らぎ吸収バッ
ファサイズを出力する。

【００５９】次に、図１１を参照して、本実施形態の動
作について説明する。図１に示す構成に従って説明すれ
ば、入力された信号に対してサービス検出部１１におい
て、音声、ＦＡＸ、データのいづれの種類のサービスで
あるかを検出する（１３１）。１周期前の遅延量を遅延
検出部１５で、パケット損失量をパケット損失検出部１
７で、タイムスタンプをタイプスタンプ設定部１８でそ
れぞれ収集し、ニューラルネットワーク部１２１と、フ
ァジイ制御部１２３とに入力する（１３２，１３３，１
３４，１３５，１３６）。ニューラルネットワークの出
力として品質値が出力されるが、これは図２の接続判定
部１２２において、別に設定したしきい値と比較し、し
きい値以下となった場合は、パケットネットワークから
より高信頼性のネットワークへ接続切り替えを行って終
了する（１３７）。ニューラルネットワーク部１２１か
ら求められる揺らぎ吸収バッファサイズは、前周期のバ
ッファサイズとの差分を取り、揺らぎ吸収バッファサイ
ズ修正量とする。そして、ニューラルネットワーク部１
２１から求められる揺らぎ吸収バッファサイズと、ファ
ジイ推論部１２３から求められた揺らぎ吸収バッファサ
イズ修正量と平均をとり、それを本実施形態における揺
らぎ吸収バッファサイズ修正量とする。

【００６０】ステップ１３７の品質予測及び揺らぎ吸収
バッファサイズ修正量を求め、求められた揺らぎ吸収バ
ッファサイズ修正量を用いて、送信揺らぎ吸収バッファ
１９、受信揺らぎ吸収バッファ４３サイズの変更を行
う。受信揺らぎ吸収バッファ４３サイズの変更は高信頼
性ネットワーク経由で行う。

【００６１】その後、入力信号をＡ／Ｄ変換部１３でア
ナログ／デジタル変換を実施し（１３８）、送信揺らぎ
吸収バッファに蓄積し（１３９）、パケット化実施時に
タイムスタンプの設定を行う（１４０）。パケットネッ
トワーク通信を行った後には（１４２）、受信揺らぎ吸
収バッファに蓄積を行う（１４３）。パケット化実施時
のプロトコルに従い、前パケット化実施時から所定の時
間が経過後に受信揺らぎ吸収バッファからパケットを抽
出する。パケット組立制御によって一般のデータ整形後
（１４４）、Ｄ／Ａ変換を実施し（１４５）、入力され
た形態の信号に復調する。

【００６２】以上の工程をステップ１３２〜１４５を、
入力された信号がなくなる迄行う事により、リアルタイ
ムに送信および受信の揺らぎ吸収バッファサイズの変更
および品質評価の実施による接続先の変更を行うことが
できる。

【００６３】例えば、本実施形態の一例として、音声の
データを送信し、コーデックとしてITU-T,G.723.1を使
用し、音声遅延が１０秒ある例によって説明する。デー
タ送信部１に音声信号によるコーデックG.723.1で入力
されたパケットは、サービス検出部１１でパケットヘッ
ダー部の解析を行われ、「音声」「コーデックITU-T,G.
723.1」と認識される。制御部１２のニューラルネット
ワーク部１２１の学習には、対象パケットの通信データ
と通信履歴と使用者の評価から作成されるが、例えば音
声の場合には１０秒の遅延がある場合に、会話が不可で
あるというデータを学習した場合、遅延時間検出部１５
で１０秒の遅延を検出した時には、品質値として接続し
ているネットワークは使用できないとの判断がなされ、
接続ネットワークを変更する品質値を接続判定部１２２
に出力する。接続判定部１２２では、入力された品質値
から接続ネットワークを変更することを判断し、高信頼
性のあるネットワークへ切り替えを行う。

【００６４】本実施形態において、ニューラルネットワ
ークの構成はレイヤー層として３層により行ったが、３
層以上の構成においても可能であり、制限はない。

【００６５】また、本実施形態において、ニューラルネ
ットワークとしてパケットネットワークを取り上げた
が、ＴＣＰ／ＩＰ等のパケット伝送ばかりでなく、バー
スト的に連続性のある伝送方式であっても、特定のパラ
メータを使用して高信頼性のあるネットワークとか、意
識的に低品位のネットワーク網へ切り替えを行うことも
可能である。

【００６６】また、近年、進展しているＡＴＭネットワ
ーク、フレームリレーネットワーク、インターネットプ
ロトコルネットワークも、本実施形態のパケットネット
ワークを採用されれば、広範囲にわたる共通プロトコル
で処理できるので、ルーティングの迅速解明と、ネット
ワーキングの迅速形成・組織的な拡大縮小等の際に効果
的である。

【００６７】［第２の実施形態］次に、本発明の第２の
実施形態について説明する。図１２を参照すると、本実
施形態は揺らぎ吸収バッファサイズが送信側および受信
側に分割されている点で第一の実施形態と異なる。

【００６８】図１３に本実施形態でのニューラルネット
の教師データを示す。教師データとして送信側と受信側
の揺らぎ吸収バッファサイズを各々設定することによ
り、送信側と受信側に応じたバッファサイズの推定が可
能となる。

【００６９】図９、図１０を参照して、本実施形態のニ
ューラルネットワークの学習について説明する。

【００７０】図９は本実施形態のニューラルネットワー
クの学習のフロー図である。学習に先立ちまず教師デー
タの生成（１０１）を行う。教師データはニューラルネ
ットワークの入力となるデータ、サービス種類、タイム
スタンプ、遅延時間、揺らぎ量、パケット損失量につい
て偏りがないように、対象パケットネットワークにおい
て、サンプリングを実施する。

【００７１】つぎにニューラルネットワーク部の初期値
の設定（１０２）を行う。本実施形態では図１２に示す
３層のニューラルネットワークを使用する。サンプリン
グして、収集した図１３に示す教師データを、図１２の
ニューラルネットワークに適合（１０３）し、計算（１
０４）を実施する。ニューラルネットワークの出力と教
師データの差分（１０５）から、図１４に示したエネル
ギー関数（１７３）を用いてエネルギーを算出する（１
０６）。エネルギーが別に設定したしきい値以下となっ
たときはニューラルネットワークの学習が完了したと考
え終了する（１０７）。しきい値以下となっていない場
合は、教師データの差分からバックプロパゲーション法
（１１１）を用いてニューロン間の結合係数を修正する
（１０８）。教師データの適合からエネルギーの算出ま
でを繰り返すことによりニューラルネットワークの学習
を行う。

【００７２】なお、図１４に示すのは、教師データを用
いたエネルギー関数を示す構成図であり、教師データ
中、サービス種別、タイムスタンプ、遅延時間、揺らぎ
量、パケット損失量を入力とし、品質値と、送信揺らぎ
吸収バッファサイズと、受信揺らぎ吸収バッファサイズ
を出力とするものある。一方、教師データの図１３に示
す教師パターンに整合すれば、そのときの入力値に対応
した出力値が得られるので、その出力値の送信揺らぎ吸
収バッファサイズと、受信揺らぎ吸収バッファサイズ
と、品質値とを図１４の右側から減算器に入力する。す
なわち、そのときの品質値と、送信揺らぎ吸収バッファ
サイズと、受信揺らぎ吸収バッファサイズとを出力とす
るニューラルネットワーク部１７２と、ニューラルネッ
トワーク部１７２の品質値と送信揺らぎ吸収バッファサ
イズと受信揺らぎ吸収バッファサイズ教師データの出力
と、教師データの品質値と、送信揺らぎ吸収バッファサ
イズと、受信揺らぎ吸収バッファサイズとの差を減算器
でそれぞれとって、ニューラルネットワーク部１７２に
フィードバックするバックプロパゲーション（逆伝搬）
部１７１とから構成されている。

【００７３】また、エネルギー関数１７３は、ニューラ
ルネットワーク部１７２の品質値の出力ＮＱｘと教師デ
ータの品質値の出力Ｑｘとの差の２乗の総和と、ニュー
ラルネットワーク部１７２の送信揺らぎ吸収バッファサ
イズの出力ＮＳＢｘと教師データの送信揺らぎ吸収バッ
ファサイズＳＢｘとの差異の２乗の総和と、ニューラル
ネットワーク部１７２の受信揺らぎ吸収バッファサイズ
の出力ＮＲＢｘと教師データの受信揺らぎ吸収バッファ
サイズＲＢｘとの差の２乗の総和とを加算したものであ
る。通常、エネルギー最小化の原理に基づいて、エネル
ギーの一定化を図る。

【００７４】次に、図１１を参照して、本実施形態の動
作について説明する。図１に示す構成に従って説明すれ
ば、入力された信号に対してサービス検出部１１におい
て音声、ＦＡＸ、データのいづれの種類のサービスであ
るかを検出する（１３１）。１周期前の遅延量とパケッ
ト損失量、揺らぎ量と現在のタイムスタンプを収集しニ
ューラルネットワーク部１２１とファジイ制御部１２３
に入力する（１３２，１３３，１３４，１３５，１３
６）。ニューラルネットワークの出力として品質が出力
されるが、これは図２の接続判定部１２２において別に
設定したしきい値と比較し、しきい値以下となった場合
は、パケットネットワークからより高信頼性のネットワ
ークへ接続切り替えを行って終了する（１３７）。

【００７５】ニューラルネットワーク部１２１から求め
られる送信揺らぎ吸収バッファサイズと受信揺らぎ吸収
バッファサイズは、前周期のバッファサイズとの差分を
取り、送信揺らぎ吸収バッファサイズ修正量と、受信揺
らぎ吸収バッファサイズ修正量とする。そして、ニュー
ラルネットワーク部１２１から求められる送信揺らぎ吸
収バッファサイズとファジイ推論部１２３から求められ
た送信揺らぎ吸収バッファサイズ修正量との平均をと
り、また、ニューラルネットワーク部１２１から求めら
れる受信揺らぎ吸収バッファサイズとファジイ推論部１
２３から求められた受信揺らぎ吸収バッファサイズ修正
量との平均をとり、それを本実施形態における送信揺ら
ぎ吸収バッファサイズ修正量、及び受信揺らぎ吸収バッ
ファサイズ修正量とする。

【００７６】求められた送信／受信揺らぎ吸収バッファ
サイズ修正量を用いて送信揺らぎ吸収バッファ１９、受
信揺らぎ吸収バッファ４３サイズの変更を行う。受信揺
らぎ吸収バッファ４３サイズの変更は高信頼性ネットワ
ーク経由で行う。

【００７７】その後、入力信号をＡ／Ｄ変換部１３でア
ナログ／デジタル変換を実施し（１３８）、送信揺らぎ
吸収バッファに蓄積し（１３９）、パケット化実施時に
タイムスタンプの設定を行う（１４０）。パケットネッ
トワーク通信を行った後には（１４２）、受信揺らぎ吸
収バッファに蓄積を行う（１４３）。パケット化実施時
のプロトコルに従い、前パケット化実施時から所定の時
間が経過後に受信揺らぎ吸収バッファからパケットを抽
出する。パケット組立制御によって一般のデータ整形後
（１４４）、Ｄ／Ａ変換を実施し（１４５）、入力され
た形態の信号に復調する。

【００７８】以上の工程をステップ１３２〜１４５を入
力された信号がなくなる迄行う事により、リアルタイム
に送信および受信の揺らぎ吸収バッファサイズの変更お
よび品質評価の実施による接続先の変更を行うことがで
きる。

【００７９】本実施形態においてニューラルネットワー
クの構成は３層により行ったが、３層以上の構成におい
ても可能であり、制限はない。

【００８０】また本実施形態においてパケットネットワ
ークを取り上げたが、ＡＴＭネットワーク、フレームリ
レーネットワーク、インターネットプロトコルネットワ
ークも本実施形態のパケットネットワークとして適用が
可能である。

【００８１】上述した各実施形態において、特にファジ
ー推論のニューラルネットワークについて説明したが、
神経細胞によるニューロンのダイナミクスとしてモデル
化されたファジー推論ばかりでなく、比較的簡単な規則
に支配された不規則振動を示し複雑な非線形ダイナミク
スで説明されるカオスの性質を利用してもよい。上述の
エネルギー関数に代わって、ある有限な集合でその近傍
の任意の点を初期値とする軌道が漸近するような閉集合
のことをアトラクティング集合とよび、そのうち軌道が
緻密に存在するものをアトラクタとよび、このアトラク
タがカオスである。このカオスによるアトラクタを応用
することによって、より柔軟な連想機能が実現され、ネ
ットワークによって伝搬されるパケットの遅延時間を縮
小し、安定したパケット伝送を可能とする。

【００８２】

【発明の効果】本発明によれば、入力される信号、トラ
ヒックの種別等を考慮して、ニューラルネットワーク機
能とファジイ推論機能とを組み合わせたので、効果的に
遅延時間吸収バッファの設定ができ、小さなバッファ容
量で、音声ばかりでなく、ファクシミリや画像・データ
等のパケット伝送を確実に且つパケットの品質を信頼性
高く保て、サービス性を高めることができる。

【００８３】また、リアルタイムに遅延時間吸収バッフ
ァの設定が可能である。さらに、伝送されたデータの品
質評価が可能である。また、品質の評価の結果、一定の
しきい値以下の場合には、別のネットワークに切り替え
ることが可能である。

【図面の簡単な説明】

【図１】ニューラルネットワークとファジイ推論を用い
たパケット伝送方式の機能構成図である。

【図２】ニューラルネットワーク部とファジイ推論部で
ある。

【図３】ニューラルネットワーク内のニューロンの構成
である。

【図４】ニューラルネットワークの構成である。

【図５】シグモイド関数である。

【図６】ニューラルネットワークの教師信号である。

【図７】ファジイ推論のルールである。

【図８】ファジイ推論のメンバーシップ関数である。

【図９】ニューラルネットワークの学習フローである。

【図１０】ニューラルネットワークの学習である。

【図１１】ニューラルネットワークとファジイ推論を用
いたパケット伝送方式のフロー図である。

【図１２】送信と受信のバッファサイズを独立に制御す
るニューラルネットワークの構成である。

【図１３】送信と受信のバッファサイズを独立に制御す
るニューラルネットワークの教師信号である。

【図１４】送信と受信のバッファサイズを独立に制御す
るニューラルネットワークの学習による構成図である。

【図１５】従来例のネットワークの構成図である。

【図１６】パケットの構成図である。

【図１７】従来例の遅延時間の変動を吸収するバッファ
の周辺構成図である。

【符号の説明】

１ データ送信部 ２ パケットネットワーク ３ 高信頼性ネットワーク ４ データ受信部 １１ サービス検出部 １２ 制御部 １３ Ａ／Ｄ変換部 １４ パケット組立制御部 １５ 遅延検出部 １６ 揺らぎ検出部 １７ パケット損失検出部 １８ タイムスタンプ設定部 １９，４３ 揺らぎ吸収バッファ ４１ パケット組立制御部 ４２ Ｄ／Ａ変換部 ４４ タイムスタンプ比較部 ５１ ニューロンＵＶ ５３ ニューロンＸＹ ６１，６２，６３，１５１，１５２，１５３ ニューロ
ンシナプスモデル ７１，７２，１６１，１６２ 教師データの入力と出力 ８１，８２，８３ ファジイ推論のルール ９１〜９９ ファジイ推論のメンバーシップ関数特性 １１１，１７２ ニューラルネットワーク部 １１２，１７１ バックプロパゲーション部 １１３，１７３ エネルギー関数 １２１ ニューラルネットワーク部 １２２ 接続判定部 １２３ ファジイ推論部 ２１６ パケット組立装置 ２２０ パケット交換ノード ２２４ パケット分離装置 ３３６ 遅延時間変動吸収バッファ ３５０ 応答パケット送信回路

Claims (8)

(57)【特許請求の範囲】
1. 【請求項１】 マルチメディアをパケット伝送する送信
   部と受信部を有するニューラルネットワークにおいて、 前記送信部には、前記マルチメディアのサービスの種類
   を検出するサービス検出部と、前記受信部からの前記パ
   ケット伝送のパケット遅延量を検出する遅延検出部と、
   前記受信部からの前記パケット伝送のパケット揺らぎ量
   を検出する揺らぎ検出部と、前記受信部による前記パケ
   ット伝送のパケット損失量を検出するパケット損失検出
   部と、前記受信部のタイムスタンプ比較部とからの各デ
   ータを入力とするニューラルネットワーク部と、前記パ
   ケット遅延量と前記パケット揺らぎ量と前記パケット損
   失量とを入力とするファジイ推論部と、前記パケット伝
   送の揺らぎを吸収するバッファとを備え、少なくとも前
   記各検出部と前記ニューラルネットワーク部とで前記パ
   ケット伝送の品質値と、前記パケット伝送の揺らぎを吸
   収するバッファの修正量とを出力することを特徴とする
   ニューラルネットワーク。
2. 【請求項２】 前記パケット伝送の揺らぎを吸収するバ
   ッファの修正量は、前記ニューラルネットワーク部と前
   記ファジイ推論部との出力の和によって判定することを
   特徴とする請求項１に記載のニューラルネットワーク。
3. 【請求項３】 前記ニューラルネットワーク部は、前記
   タイムスタンプ情報と、前記サービスの種類と、前記パ
   ケット遅延量と、前記パケット揺らぎ量と、前記パケッ
   ト損失量とを入力として階層状態のニューラルネットワ
   ーク構成で、前記品質値と前記揺らぎ吸収バッファのサ
   イズとを出力することを特徴とする請求項１又は２に記
   載のニューラルネットワーク。
4. 【請求項４】 前記ファジイ推論部は、前記遅延検出部
   からの遅延量の遅延時間と、前記揺らぎ検出部からの揺
   らぎ量と、前記パケット損失検出部からのパケット損失
   個数とから、前記バッファによる揺らぎ吸収バッファと
   前記受信部に設けた揺らぎ吸収バッファとのバッファの
   修正量を推論することを特徴とする請求項１又は２に記
   載のニューラルネットワーク。
5. 【請求項５】 前記ニューラルネットワーク部は、教師
   データとして前記サービスの種類と、前記パケット遅延
   量と、前記パケット揺らぎ量と、前記パケット損失量と
   を入力として、前記品質値と前記揺らぎ吸収バッファの
   サイズとを出力とし、前記品質値と前記揺らぎ吸収バッ
   ファのサイズとの出力の一部をフィードバックするバッ
   クプロパゲーション部を備えたことを特徴とする請求項
   １又は２に記載のニューラルネットワーク。
6. 【請求項６】 前記ニューラルネットワーク部は、教師
   データとして前記サービスの種類と、前記パケット遅延
   量と、前記パケット揺らぎ量と、前記パケット損失量と
   を入力として、前記品質値と送信側のバッファによる送
   信揺らぎ吸収バッファのサイズと受信側のバッファによ
   る受信信揺らぎ吸収バッファのサイズとを出力とし、前
   記品質値と前記送信揺らぎ吸収バッファのサイズと前記
   受信揺らぎ吸収バッファのサイズとの出力の一部をフィ
   ードバックするバックプロパゲーション部を備えたこと
   を特徴とする請求項１又は２に記載のニューラルネット
   ワーク。
7. 【請求項７】 マルチメディアをパケット伝送するファ
   ジイ推論を用いたパケット伝送制御方式において、 前記パケット伝送の送信部には、前記マルチメディアの
   サービスの種類を検出するサービス検出部と、前記パケ
   ット伝送を受信する受信部からのパケット遅延量を検出
   する遅延検出部と、前記受信部からの前記パケット伝送
   のパケット揺らぎ量を検出する揺らぎ検出部と、前記受
   信部による前記パケット伝送のパケット損失量を検出す
   るパケット損失検出部と、前記受信部のタイムスタンプ
   比較部と前記各検出部からの各データを入力とするニュ
   ーラルネットワーク部と、少なくとも前記パケット遅延
   量と前記揺らぎ量と前記パケット損失量とを入力とする
   ファジイ推論部と、前記パケット伝送の揺らぎを吸収す
   るバッファとを備え、少なくとも前記各検出部と前記ニ
   ューラルネットワーク部とにより前記パケット伝送の品
   質値と、前記パケット伝送の揺らぎを吸収するバッファ
   の修正量とを出力することを特徴とするパケット伝送制
   御方式。
8. 【請求項８】 前記揺らぎを吸収するバッファは、前記
   パケット伝送の送信部と、前記受信部とにそれぞれ備
   え、前記ニューラルネットワーク部と前記ファジイ推論
   部とにより前記品質値と前記送信部のバッファによる送
   信揺らぎ吸収バッファのサイズと前記受信部のバッファ
   による受信信揺らぎ吸収バッファのサイズとを出力する
   ことを特徴とする請求項７に記載のパケット伝送制御方
   式。