Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufjf.br/jspui/handle/ufjf/14538
Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
joaopaulosaleshenriqueslima.pdf6.06 MBAdobe PDFVista previa
Visualizar/Abrir
Clase: Dissertação
Título : Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina
Autor(es): Lima, João Paulo Sales Henriques
Orientador: Medeiros, Álvaro Augusto Machado de
Co-orientador: Aguiar, Eduardo Pestana de
Miembros Examinadores: Silva, Edelberto Franco
Miembros Examinadores: Facina, Michelle Soares Pereira
Resumo: Este trabalho se dedica a estudar, implementar e avaliar diferentes estratégias para a integração de modelos de Inteligência Artificial e Aprendizado de Máquina em procedimentos de handover em redes celulares. As propostas de arquitetura para implementação são desenvolvidas baseadas em dados obtidos através de simulações de redes LTE (Long Term Evolution) utilizando o simulador ns-3, bem como campanhas de coletas de dados em rede real de uma empresa operadora celular em Belo Horizonte. Os resultados observados demonstram grande capacidade dos modelos em gerar respostas com alto grau de acurácia e baixos valores de desvio padrão, tanto em tarefas de classificação, quanto naquelas de regressão propostas. São contemplados diversos modelos presentes na literatura ao longo das avaliações, desde alguns muito consolidados, como máquinas de vetores de suporte, aqueles com arquitetura baseada em árvores, redes neurais artificiais, bem como sistemas fuzzy, redes neurais LSTM, além de avançadas máquinas boosting.
Resumen : This work aims to study, implement and evaluate different strategies to integrate Artificial Intelligence and Machine Learning models to handover procedures in cellular networks. The architecture proposals for the implementation are developed based on data from simulations of LTE networks with ns-3 simulator, and data collection campaigns on live network from a mobile network operator in Belo Horizonte. The observed results demonstrate great capacity of the models to produce outputs with high level of accuracy and diminished values of standard deviation, in both classification and regression proposed tasks. A wide range of models from the literature are encompassed in the evaluation, since more traditional ones, such as support vector machines, those based on tree architecture, artificial neural networks, as well as fuzzy systems, LSTM neural networks and latter boosting machines.
Palabras clave : Handover
Inteligência Artificial
Redes móveis
Aprendizado de máquina
Handover
Artificial Intelligence
Mobile Networks
Machine Learning
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Idioma: por
País: Brasil
Editorial : Universidade Federal de Juiz de Fora (UFJF)
Sigla de la Instituición: UFJF
Departamento: Faculdade de Engenharia
Programa: Programa de Pós-graduação em Engenharia Elétrica
Clase de Acesso: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
DOI: https://doi.org/10.34019/ufjf/di/2022/00167
URI : https://repositorio.ufjf.br/jspui/handle/ufjf/14538
Fecha de publicación : 12-jul-2022
Aparece en las colecciones: Mestrado em Engenharia Elétrica (Dissertações)



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons