Please use this identifier to cite or link to this item: https://repositorio.ufjf.br/jspui/handle/ufjf/14538
Files in This Item:
File Description SizeFormat 
joaopaulosaleshenriqueslima.pdf6.06 MBAdobe PDFThumbnail
View/Open
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Medeiros, Álvaro Augusto Machado de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5245224533446678pt_BR
dc.contributor.advisor-co1Aguiar, Eduardo Pestana de-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/9530065975903052pt_BR
dc.contributor.referee1Silva, Edelberto Franco-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3987091765361506pt_BR
dc.contributor.referee2Facina, Michelle Soares Pereira-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3630752666583309pt_BR
dc.creatorLima, João Paulo Sales Henriques-
dc.creator.Latteshttp://lattes.cnpq.br/9492340411254884pt_BR
dc.date.accessioned2022-10-14T15:00:43Z-
dc.date.available2022-10-14-
dc.date.available2022-10-14T15:00:43Z-
dc.date.issued2022-07-12-
dc.identifier.doihttps://doi.org/10.34019/ufjf/di/2022/00167-
dc.identifier.urihttps://repositorio.ufjf.br/jspui/handle/ufjf/14538-
dc.description.abstractThis 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.pt_BR
dc.description.resumoEste 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.pt_BR
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentFaculdade de Engenhariapt_BR
dc.publisher.programPrograma de Pós-graduação em Engenharia Elétricapt_BR
dc.publisher.initialsUFJFpt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectHandoverpt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectRedes móveispt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectHandoverpt_BR
dc.subjectArtificial Intelligencept_BR
dc.subjectMobile Networkspt_BR
dc.subjectMachine Learningpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.titleAplicações de handover inteligente em redes celulares baseadas em aprendizado de máquinapt_BR
dc.typeDissertaçãopt_BR
Appears in Collections:Mestrado em Engenharia Elétrica (Dissertações)



This item is licensed under a Creative Commons License Creative Commons