Resumen

Como complemento indispensable de las comunicaciones terrestres, la red de satélites de órbita terrestre baja (LEO) es una parte crucial en las futuras redes integradas espacio-terrestres debido a sus ventajas únicas. Sin embargo, el enrutamiento efectivo y confiable para la red de satélites LEO es una tarea intratable debido a la topología variable en el tiempo, los frecuentes cambios de enlace y la carga de comunicación desequilibrada. En este artículo se propuso una estrategia de enrutamiento distribuido basada en una Máquina de Aprendizaje Extremo (ELM) (ELMDR). Teniendo en cuenta la densidad de distribución del tráfico en la superficie de la Tierra, la estrategia ELMDR toma decisiones de enrutamiento basadas en la predicción del tráfico. Para la predicción del tráfico, se adopta ELM, que es un algoritmo de aprendizaje automático rápido y eficiente, para pronosticar el tráfico en el nodo satelital. Para la toma de decisiones de enrutamiento

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Red de satélites; órbita terrestre baja; Encaminamiento; Extreme Learning Machine; Predicción de tráfico; Agentes móviles.
• Keywords:Satellite network; Low Earth Orbit; Routing; Extreme Learning Machine; Traffic prediction; Mobile agents