Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina
Ano de defesa: | 2022 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Juiz de Fora (UFJF)
|
Programa de Pós-Graduação: |
Programa de Pós-graduação em Engenharia Elétrica
|
Departamento: |
Faculdade de Engenharia
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | https://doi.org/10.34019/ufjf/di/2022/00167 https://repositorio.ufjf.br/jspui/handle/ufjf/14538 |
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. |
id |
UFJF_5c48f484fa3b33caeac9a32e01350148 |
---|---|
oai_identifier_str |
oai:hermes.cpd.ufjf.br:ufjf/14538 |
network_acronym_str |
UFJF |
network_name_str |
Repositório Institucional da UFJF |
repository_id_str |
|
spelling |
Medeiros, Álvaro Augusto Machado dehttp://lattes.cnpq.br/5245224533446678Aguiar, Eduardo Pestana dehttp://lattes.cnpq.br/9530065975903052Silva, Edelberto Francohttp://lattes.cnpq.br/3987091765361506Facina, Michelle Soares Pereirahttp://lattes.cnpq.br/3630752666583309http://lattes.cnpq.br/9492340411254884Lima, João Paulo Sales Henriques2022-10-14T15:00:43Z2022-10-142022-10-14T15:00:43Z2022-07-12https://doi.org/10.34019/ufjf/di/2022/00167https://repositorio.ufjf.br/jspui/handle/ufjf/14538Este 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.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.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de Juiz de Fora (UFJF)Programa de Pós-graduação em Engenharia ElétricaUFJFBrasilFaculdade de EngenhariaAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAHandoverInteligência ArtificialRedes móveisAprendizado de máquinaHandoverArtificial IntelligenceMobile NetworksMachine LearningAplicações de handover inteligente em redes celulares baseadas em aprendizado de máquinainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFJFinstname:Universidade Federal de Juiz de Fora (UFJF)instacron:UFJFLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALjoaopaulosaleshenriqueslima.pdfjoaopaulosaleshenriqueslima.pdfapplication/pdf6203289https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/1/joaopaulosaleshenriqueslima.pdf7d7e51a74d9c5beb1953dacab59777f5MD51TEXTjoaopaulosaleshenriqueslima.pdf.txtjoaopaulosaleshenriqueslima.pdf.txtExtracted texttext/plain93459https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/4/joaopaulosaleshenriqueslima.pdf.txtc44df99b41d5805cc29955ca1c940d8aMD54THUMBNAILjoaopaulosaleshenriqueslima.pdf.jpgjoaopaulosaleshenriqueslima.pdf.jpgGenerated Thumbnailimage/jpeg1189https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/5/joaopaulosaleshenriqueslima.pdf.jpg949567ca953007c0da83d36a45e62129MD55ufjf/145382022-11-22 10:42:49.093oai:hermes.cpd.ufjf.br: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Repositório InstitucionalPUBhttps://repositorio.ufjf.br/oai/requestopendoar:2022-11-22T12:42:49Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF)false |
dc.title.pt_BR.fl_str_mv |
Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina |
title |
Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina |
spellingShingle |
Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina Lima, João Paulo Sales Henriques CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Handover Inteligência Artificial Redes móveis Aprendizado de máquina Handover Artificial Intelligence Mobile Networks Machine Learning |
title_short |
Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina |
title_full |
Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina |
title_fullStr |
Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina |
title_full_unstemmed |
Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina |
title_sort |
Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina |
author |
Lima, João Paulo Sales Henriques |
author_facet |
Lima, João Paulo Sales Henriques |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Medeiros, Álvaro Augusto Machado de |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/5245224533446678 |
dc.contributor.advisor-co1.fl_str_mv |
Aguiar, Eduardo Pestana de |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/9530065975903052 |
dc.contributor.referee1.fl_str_mv |
Silva, Edelberto Franco |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/3987091765361506 |
dc.contributor.referee2.fl_str_mv |
Facina, Michelle Soares Pereira |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/3630752666583309 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/9492340411254884 |
dc.contributor.author.fl_str_mv |
Lima, João Paulo Sales Henriques |
contributor_str_mv |
Medeiros, Álvaro Augusto Machado de Aguiar, Eduardo Pestana de Silva, Edelberto Franco Facina, Michelle Soares Pereira |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Handover Inteligência Artificial Redes móveis Aprendizado de máquina Handover Artificial Intelligence Mobile Networks Machine Learning |
dc.subject.por.fl_str_mv |
Handover Inteligência Artificial Redes móveis Aprendizado de máquina Handover Artificial Intelligence Mobile Networks Machine Learning |
description |
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. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-10-14T15:00:43Z |
dc.date.available.fl_str_mv |
2022-10-14 2022-10-14T15:00:43Z |
dc.date.issued.fl_str_mv |
2022-07-12 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufjf.br/jspui/handle/ufjf/14538 |
dc.identifier.doi.none.fl_str_mv |
https://doi.org/10.34019/ufjf/di/2022/00167 |
url |
https://doi.org/10.34019/ufjf/di/2022/00167 https://repositorio.ufjf.br/jspui/handle/ufjf/14538 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFJF |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Faculdade de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal de Juiz de Fora (UFJF) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFJF instname:Universidade Federal de Juiz de Fora (UFJF) instacron:UFJF |
instname_str |
Universidade Federal de Juiz de Fora (UFJF) |
instacron_str |
UFJF |
institution |
UFJF |
reponame_str |
Repositório Institucional da UFJF |
collection |
Repositório Institucional da UFJF |
bitstream.url.fl_str_mv |
https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/3/license.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/2/license_rdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/1/joaopaulosaleshenriqueslima.pdf https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/4/joaopaulosaleshenriqueslima.pdf.txt https://repositorio.ufjf.br/jspui/bitstream/ufjf/14538/5/joaopaulosaleshenriqueslima.pdf.jpg |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 e39d27027a6cc9cb039ad269a5db8e34 7d7e51a74d9c5beb1953dacab59777f5 c44df99b41d5805cc29955ca1c940d8a 949567ca953007c0da83d36a45e62129 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFJF - Universidade Federal de Juiz de Fora (UFJF) |
repository.mail.fl_str_mv |
|
_version_ |
1798039798949085184 |