Τεχνικές μηχανικής μάθησης για ταξινόμηση χρηστών σε υπερπυκνά 5G δίκτυα

Τα σύγχρονα δίκτυα κινητής τηλεφωνίας, αποτελούνται από μία πληθώρα διαφορετικών συσκευών με διαφορετικές ικανότητες και απαιτήσεις. Ειδικότερα με την άνοδο του Internet of Things, το πλήθος συσκευών που απαρτίζουν ένα δίκτυο αναμένεται να αυξηθεί δραματικά και να εμπλουτισθεί με νέες συσκευές. Αυτή...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Καλογερόπουλος, Ραφαήλ
Άλλοι συγγραφείς: Kalogeropoulos, Rafail
Γλώσσα:Greek
Έκδοση: 2020
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/14183
Περιγραφή
Περίληψη:Τα σύγχρονα δίκτυα κινητής τηλεφωνίας, αποτελούνται από μία πληθώρα διαφορετικών συσκευών με διαφορετικές ικανότητες και απαιτήσεις. Ειδικότερα με την άνοδο του Internet of Things, το πλήθος συσκευών που απαρτίζουν ένα δίκτυο αναμένεται να αυξηθεί δραματικά και να εμπλουτισθεί με νέες συσκευές. Αυτή η ραγδαία αύξηση στο αναμενώμενο πλήθος διασυνδεδεμένων συσκευών κάνει επιτακτική την ανάγκη αποδοτικής διαχείρισης των διαθέσιμων πόρων των δικτύων. Για να είναι εφικτή η ικανοποίηση ενός ικανοποιητικού ποσοστού χρηστών, πρέπει τόσο η δομή τους, όσο και οι τεχνολογίες που αξιοποιούν τα δίκτυα κινητής τηλεφωνίας να μπορούν να ανταποκριθούν στον αναμενόμενο όγκο χρηστών και στις απαιτήσεις τους. Η Μηχανική Μάθηση έχει ήδη αξιοποιηθεί σε πολλούς τομείς και η εφαρμογή της στα δίκτυα κινητής τηλεφωνίας αναμένεται να ενισχύσει σημαντικά τις δυνατότητες των δικτύων να αντεπεξέλθουν σε αυτές τις απαιτήσεις. Στόχος της παρούσας διπλωματικής εργασίας είναι η ενσωμάτωση τεχνικών Μηχανικής Μάθησης στα δίκτυα κινητής τηλεπικοινωνίας 5ης γενιάς και η παραγωγή μηχανισμών που θα επιτρέπουν την αποδοτικότερη αξιοποίηση των πόρων του δικτύου. Συνδυάζοντας την Μηχανική Μάθηση με τους υπάρχοντες μηχανισμούς, αναμένουμε την εξάλειψη των περιορισμών που αντιμετωπίζουν αυτοί οι μηχανισμοί αλλά και τη δημιουργία νέων μηχανισμών αλλά και δυνατοτήτων για τα δίκτυα κινητής τηλεφωνίας.