AplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.

Detalhes bibliográficos
Autor(a) principal: Elvis Miguel Galeas Stancanelli
Data de Publicação: 2012
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFC
Texto Completo: http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=8386
Resumo: De modo a suprirem o aumento de trÃfego previsto para os prÃximos anos, os sistemas de comunicaÃÃes mÃveis da prÃxima geraÃÃo contam com tecnologias avanÃadas, como mÃltiplas subportadoras ortogonais e coordenaÃÃo entre pontos de transmissÃo. Os recursos de rÃdio passam a ser organizados em um nÃmero maior de dimensÃes, tornando mais complexas tarefas como a alocaÃÃo de recursos e a avaliaÃÃo de desempenho do enlace. Com base em tÃcnicas de aprendizagem de mÃquinas, foram investigadas novas maneiras de abordar essas tarefas, de modo a realizÃ-las eficientemente. Esta tese traz duas propostas: (i) agrupamento de pontos de transmissÃo e (ii) realizaÃÃo de interface enlace-a-sistema. Na proposta (i), utiliza-se o algoritmo k-mÃdias para identificar os vetores de forÃa do sinal similares, resultando em reduÃÃo na complexidade de cooperaÃÃo. Na proposta (ii), utilizam-se redes neurais artificiais para que o comportamento de simulaÃÃes de enlace possa ser aprendido, resultando em uma interface enlace-a-sistema mais confiÃvel para certas situaÃÃes na regiÃo de borda de cÃlula. Os resultados obtidos em ambas as propostas confirmam a aprendizagem de mÃquinas como abordagem apropriada aos problemas tratados, sendo capaz de conduzir a interpretaÃÃes alternativas e soluÃÃes eficientes.
id UFC_4f6411d7d664c63901aa6dbe16fddd81
oai_identifier_str oai:www.teses.ufc.br:5877
network_acronym_str UFC
network_name_str Biblioteca Digital de Teses e Dissertações da UFC
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisAplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.Applications of machine learning in mobile communications: resources management and performance assessment.2012-09-04Francisco Rodrigo Porto Cavalcanti42250153353http://lattes.cnpq.br/535907393511035703306484970http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4765746U7Elvis Miguel Galeas StancanelliUniversidade Federal do CearÃPrograma de PÃs-GraduaÃÃo em Engenharia de TeleinformÃticaUFCBRSistemas de comunicaÃÃo mÃvel Aprendizado do computador TeleinformÃtica SimulaÃÃo (Computadores)Mobile communication systems machine learning. radio resource management assessment of performance computer simulationTELECOMUNICACOESDe modo a suprirem o aumento de trÃfego previsto para os prÃximos anos, os sistemas de comunicaÃÃes mÃveis da prÃxima geraÃÃo contam com tecnologias avanÃadas, como mÃltiplas subportadoras ortogonais e coordenaÃÃo entre pontos de transmissÃo. Os recursos de rÃdio passam a ser organizados em um nÃmero maior de dimensÃes, tornando mais complexas tarefas como a alocaÃÃo de recursos e a avaliaÃÃo de desempenho do enlace. Com base em tÃcnicas de aprendizagem de mÃquinas, foram investigadas novas maneiras de abordar essas tarefas, de modo a realizÃ-las eficientemente. Esta tese traz duas propostas: (i) agrupamento de pontos de transmissÃo e (ii) realizaÃÃo de interface enlace-a-sistema. Na proposta (i), utiliza-se o algoritmo k-mÃdias para identificar os vetores de forÃa do sinal similares, resultando em reduÃÃo na complexidade de cooperaÃÃo. Na proposta (ii), utilizam-se redes neurais artificiais para que o comportamento de simulaÃÃes de enlace possa ser aprendido, resultando em uma interface enlace-a-sistema mais confiÃvel para certas situaÃÃes na regiÃo de borda de cÃlula. Os resultados obtidos em ambas as propostas confirmam a aprendizagem de mÃquinas como abordagem apropriada aos problemas tratados, sendo capaz de conduzir a interpretaÃÃes alternativas e soluÃÃes eficientes.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.nÃo hÃhttp://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=8386application/pdfinfo:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da UFCinstname:Universidade Federal do Cearáinstacron:UFC2019-01-21T11:21:32Zmail@mail.com -
dc.title.pt.fl_str_mv AplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.
dc.title.alternative.en.fl_str_mv Applications of machine learning in mobile communications: resources management and performance assessment.
title AplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.
spellingShingle AplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.
Elvis Miguel Galeas Stancanelli
Sistemas de comunicaÃÃo mÃvel
Aprendizado do computador
TeleinformÃtica
SimulaÃÃo (Computadores)
Mobile communication systems
machine learning. radio resource management
assessment of performance
computer simulation
TELECOMUNICACOES
title_short AplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.
title_full AplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.
title_fullStr AplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.
title_full_unstemmed AplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.
title_sort AplicaÃÃes de aprendizagem de mÃquinas Ãs comunicaÃÃes mÃveis: gerenciamento de recursos e avaliaÃÃo de desempenho.
author Elvis Miguel Galeas Stancanelli
author_facet Elvis Miguel Galeas Stancanelli
author_role author
dc.contributor.advisor1.fl_str_mv Francisco Rodrigo Porto Cavalcanti
dc.contributor.advisor1ID.fl_str_mv 42250153353
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/5359073935110357
dc.contributor.authorID.fl_str_mv 03306484970
dc.contributor.authorLattes.fl_str_mv http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4765746U7
dc.contributor.author.fl_str_mv Elvis Miguel Galeas Stancanelli
contributor_str_mv Francisco Rodrigo Porto Cavalcanti
dc.subject.por.fl_str_mv Sistemas de comunicaÃÃo mÃvel
Aprendizado do computador
TeleinformÃtica
SimulaÃÃo (Computadores)
topic Sistemas de comunicaÃÃo mÃvel
Aprendizado do computador
TeleinformÃtica
SimulaÃÃo (Computadores)
Mobile communication systems
machine learning. radio resource management
assessment of performance
computer simulation
TELECOMUNICACOES
dc.subject.eng.fl_str_mv Mobile communication systems
machine learning. radio resource management
assessment of performance
computer simulation
dc.subject.cnpq.fl_str_mv TELECOMUNICACOES
dc.description.sponsorship.fl_txt_mv nÃo hÃ
dc.description.abstract.por.fl_txt_mv De modo a suprirem o aumento de trÃfego previsto para os prÃximos anos, os sistemas de comunicaÃÃes mÃveis da prÃxima geraÃÃo contam com tecnologias avanÃadas, como mÃltiplas subportadoras ortogonais e coordenaÃÃo entre pontos de transmissÃo. Os recursos de rÃdio passam a ser organizados em um nÃmero maior de dimensÃes, tornando mais complexas tarefas como a alocaÃÃo de recursos e a avaliaÃÃo de desempenho do enlace. Com base em tÃcnicas de aprendizagem de mÃquinas, foram investigadas novas maneiras de abordar essas tarefas, de modo a realizÃ-las eficientemente. Esta tese traz duas propostas: (i) agrupamento de pontos de transmissÃo e (ii) realizaÃÃo de interface enlace-a-sistema. Na proposta (i), utiliza-se o algoritmo k-mÃdias para identificar os vetores de forÃa do sinal similares, resultando em reduÃÃo na complexidade de cooperaÃÃo. Na proposta (ii), utilizam-se redes neurais artificiais para que o comportamento de simulaÃÃes de enlace possa ser aprendido, resultando em uma interface enlace-a-sistema mais confiÃvel para certas situaÃÃes na regiÃo de borda de cÃlula. Os resultados obtidos em ambas as propostas confirmam a aprendizagem de mÃquinas como abordagem apropriada aos problemas tratados, sendo capaz de conduzir a interpretaÃÃes alternativas e soluÃÃes eficientes.
dc.description.abstract.eng.fl_txt_mv 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.
description De modo a suprirem o aumento de trÃfego previsto para os prÃximos anos, os sistemas de comunicaÃÃes mÃveis da prÃxima geraÃÃo contam com tecnologias avanÃadas, como mÃltiplas subportadoras ortogonais e coordenaÃÃo entre pontos de transmissÃo. Os recursos de rÃdio passam a ser organizados em um nÃmero maior de dimensÃes, tornando mais complexas tarefas como a alocaÃÃo de recursos e a avaliaÃÃo de desempenho do enlace. Com base em tÃcnicas de aprendizagem de mÃquinas, foram investigadas novas maneiras de abordar essas tarefas, de modo a realizÃ-las eficientemente. Esta tese traz duas propostas: (i) agrupamento de pontos de transmissÃo e (ii) realizaÃÃo de interface enlace-a-sistema. Na proposta (i), utiliza-se o algoritmo k-mÃdias para identificar os vetores de forÃa do sinal similares, resultando em reduÃÃo na complexidade de cooperaÃÃo. Na proposta (ii), utilizam-se redes neurais artificiais para que o comportamento de simulaÃÃes de enlace possa ser aprendido, resultando em uma interface enlace-a-sistema mais confiÃvel para certas situaÃÃes na regiÃo de borda de cÃlula. Os resultados obtidos em ambas as propostas confirmam a aprendizagem de mÃquinas como abordagem apropriada aos problemas tratados, sendo capaz de conduzir a interpretaÃÃes alternativas e soluÃÃes eficientes.
publishDate 2012
dc.date.issued.fl_str_mv 2012-09-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
status_str publishedVersion
format doctoralThesis
dc.identifier.uri.fl_str_mv http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=8386
url http://www.teses.ufc.br/tde_busca/arquivo.php?codArquivo=8386
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.publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.publisher.program.fl_str_mv Programa de PÃs-GraduaÃÃo em Engenharia de TeleinformÃtica
dc.publisher.initials.fl_str_mv UFC
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade Federal do CearÃ
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFC
instname:Universidade Federal do Ceará
instacron:UFC
reponame_str Biblioteca Digital de Teses e Dissertações da UFC
collection Biblioteca Digital de Teses e Dissertações da UFC
instname_str Universidade Federal do Ceará
instacron_str UFC
institution UFC
repository.name.fl_str_mv -
repository.mail.fl_str_mv mail@mail.com
_version_ 1643295164881436672

Registros relacionados