Aplicações de handover inteligente em redes celulares baseadas em aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Lima, João Paulo Sales Henriques lattes
Orientador(a): Medeiros, Álvaro Augusto Machado de lattes
Banca de defesa: Silva, Edelberto Franco lattes, Facina, Michelle Soares Pereira lattes
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:
Handover
Inteligência Artificial
Redes móveis
Aprendizado de máquina
Artificial Intelligence
Mobile Networks
Machine Learning
Área do conhecimento CNPq:
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
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

Registros relacionados