Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal do Ceará (UFC) |
Texto Completo: | http://www.repositorio.ufc.br/handle/riufc/4029 |
Resumo: | In order to bear the growth in the traffic volume expected for the coming years, the next generation of mobile communication systems relies on advanced technologies such as multiple orthogonal subcarriers and coordination of multiple transmission points. The radio resources are organized in a higher number of dimensions, making resource allocation and assessment of link-level performance more complex tasks. Based on techniques from machine learning, we investigated novel ways of addressing these tasks in order to perform them efficiently. This thesis provides two proposals: (i) clustering of transmission points and (ii) design of a link-to-system interface. In proposal (i), the k-means algorithm is used to identify the strength signal vectors that are similar to each other, leading to a decrease on the cooperation complexity. In proposal (ii), we make use of artificial neural networks to learn the behavior of link-level simulations, resulting in a link-to-system interface more reliable for certain situations on the cell-edge region. The results obtained in both proposals confirm machine learning as an appropriate approach to the problems addressed, being able to lead to alternative interpretations and efficient solutions. |
id |
UFC-7_aee585bc19af35d5952d4563d6c24474 |
---|---|
oai_identifier_str |
oai:repositorio.ufc.br:riufc/4029 |
network_acronym_str |
UFC-7 |
network_name_str |
Repositório Institucional da Universidade Federal do Ceará (UFC) |
repository_id_str |
|
spelling |
Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenhoApplications of machine learning in mobile communications: resources management and performance assessmentTeleinformáticaSistemas de comunicação móvelSimulação (Computadores)Aprendizado do computadorIn order to bear the growth in the traffic volume expected for the coming years, the next generation of mobile communication systems relies on advanced technologies such as multiple orthogonal subcarriers and coordination of multiple transmission points. The radio resources are organized in a higher number of dimensions, making resource allocation and assessment of link-level performance more complex tasks. Based on techniques from machine learning, we investigated novel ways of addressing these tasks in order to perform them efficiently. This thesis provides two proposals: (i) clustering of transmission points and (ii) design of a link-to-system interface. In proposal (i), the k-means algorithm is used to identify the strength signal vectors that are similar to each other, leading to a decrease on the cooperation complexity. In proposal (ii), we make use of artificial neural networks to learn the behavior of link-level simulations, resulting in a link-to-system interface more reliable for certain situations on the cell-edge region. The results obtained in both proposals confirm machine learning as an appropriate approach to the problems addressed, being able to lead to alternative interpretations and efficient solutions.De modo a suprirem o aumento de tráfego previsto para os próximos anos, os sistemas de comunicações móveis da próxima geração contam com tecnologias avançadas, como múltiplas subportadoras ortogonais e coordenação entre pontos de transmissão. Os recursos de rádio passam a ser organizados em um número maior de dimensões, tornando mais complexas tarefas como a alocação de recursos e a avaliação de desempenho do enlace. Com base em técnicas de aprendizagem de máquinas, foram investigadas novas maneiras de abordar essas tarefas, de modo a realizá-las eficientemente. Esta tese traz duas propostas: (i) agrupamento de pontos de transmissão e (ii) realização de interface enlace-a-sistema. Na proposta (i), utiliza-se o algoritmo k-médias para identificar os vetores de força do sinal similares, resultando em redução na complexidade de cooperação. Na proposta (ii), utilizam-se redes neurais artificiais para que o comportamento de simulações de enlace possa ser aprendido, resultando em uma interface enlace-a-sistema mais confiável para certas situações na região de borda de célula. Os resultados obtidos em ambas as propostas confirmam a aprendizagem de máquinas como abordagem apropriada aos problemas tratados, sendo capaz de conduzir a interpretações alternativas e soluções eficientes.Cavalcanti, Francisco Rodrigo PortoSilva, Yuri Carvalho BarbosaStancanelli, Elvis Miguel Galeas2012-11-01T17:09:25Z2012-11-01T17:09:25Z2012info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfSTANCANELLI, E. M. G. Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho. 2012. 150 f. Tese (Doutorado em Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012.http://www.repositorio.ufc.br/handle/riufc/4029porreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2020-08-24T16:53:30Zoai:repositorio.ufc.br:riufc/4029Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2024-09-11T18:18:15.216005Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false |
dc.title.none.fl_str_mv |
Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho Applications of machine learning in mobile communications: resources management and performance assessment |
title |
Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho |
spellingShingle |
Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho Stancanelli, Elvis Miguel Galeas Teleinformática Sistemas de comunicação móvel Simulação (Computadores) Aprendizado do computador |
title_short |
Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho |
title_full |
Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho |
title_fullStr |
Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho |
title_full_unstemmed |
Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho |
title_sort |
Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho |
author |
Stancanelli, Elvis Miguel Galeas |
author_facet |
Stancanelli, Elvis Miguel Galeas |
author_role |
author |
dc.contributor.none.fl_str_mv |
Cavalcanti, Francisco Rodrigo Porto Silva, Yuri Carvalho Barbosa |
dc.contributor.author.fl_str_mv |
Stancanelli, Elvis Miguel Galeas |
dc.subject.por.fl_str_mv |
Teleinformática Sistemas de comunicação móvel Simulação (Computadores) Aprendizado do computador |
topic |
Teleinformática Sistemas de comunicação móvel Simulação (Computadores) Aprendizado do computador |
description |
In order to bear the growth in the traffic volume expected for the coming years, the next generation of mobile communication systems relies on advanced technologies such as multiple orthogonal subcarriers and coordination of multiple transmission points. The radio resources are organized in a higher number of dimensions, making resource allocation and assessment of link-level performance more complex tasks. Based on techniques from machine learning, we investigated novel ways of addressing these tasks in order to perform them efficiently. This thesis provides two proposals: (i) clustering of transmission points and (ii) design of a link-to-system interface. In proposal (i), the k-means algorithm is used to identify the strength signal vectors that are similar to each other, leading to a decrease on the cooperation complexity. In proposal (ii), we make use of artificial neural networks to learn the behavior of link-level simulations, resulting in a link-to-system interface more reliable for certain situations on the cell-edge region. The results obtained in both proposals confirm machine learning as an appropriate approach to the problems addressed, being able to lead to alternative interpretations and efficient solutions. |
publishDate |
2012 |
dc.date.none.fl_str_mv |
2012-11-01T17:09:25Z 2012-11-01T17:09:25Z 2012 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
STANCANELLI, E. M. G. Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho. 2012. 150 f. Tese (Doutorado em Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012. http://www.repositorio.ufc.br/handle/riufc/4029 |
identifier_str_mv |
STANCANELLI, E. M. G. Aplicações de aprendizagem de máquinas às comunicações móveis: gerenciamento de recursos e avaliação de desempenho. 2012. 150 f. Tese (Doutorado em Teleinformática)-Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2012. |
url |
http://www.repositorio.ufc.br/handle/riufc/4029 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal do Ceará (UFC) instname:Universidade Federal do Ceará (UFC) instacron:UFC |
instname_str |
Universidade Federal do Ceará (UFC) |
instacron_str |
UFC |
institution |
UFC |
reponame_str |
Repositório Institucional da Universidade Federal do Ceará (UFC) |
collection |
Repositório Institucional da Universidade Federal do Ceará (UFC) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC) |
repository.mail.fl_str_mv |
bu@ufc.br || repositorio@ufc.br |
_version_ |
1813028746014228480 |