Αποδοτική ανάθεση πόρων σε δίκτυα 5G με τεχνικές machine learning

Τα τελευταία χρόνια οι ανθρώπινες τηλεπικοινωνιακές ανάγκες αλλά και τεχνικές δυνατότητες έχουν αυξηθεί ραγδαία. Πουθενά δεν είναι αυτό πιο προφανές από τον τομέα των ασύρματων επικοινωνιών. Τα ασύρματα δίκτυα πλέον είναι υπεύθυνα για μεγαλύτερη διακίνηση δεδομέ νων από τους σταθερούς υπολογιστές...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Κουρής, Μιχαήλ
Άλλοι συγγραφείς:	Kouris, Michail
Γλώσσα:	Greek
Έκδοση:	2022
Θέματα:	Μηχανική μάθηση Νευρωνικά δίκτυα Machine learning Neural networks 5G MIMO
Διαθέσιμο Online:	http://hdl.handle.net/10889/16115

id	nemertes-10889-16115
record_format	dspace
spelling	nemertes-10889-161152022-09-05T20:28:58Z Αποδοτική ανάθεση πόρων σε δίκτυα 5G με τεχνικές machine learning Efficient resource allocation in 5G networks with machine learning techniques Κουρής, Μιχαήλ Kouris, Michail Μηχανική μάθηση Νευρωνικά δίκτυα Machine learning Neural networks 5G MIMO Τα τελευταία χρόνια οι ανθρώπινες τηλεπικοινωνιακές ανάγκες αλλά και τεχνικές δυνατότητες έχουν αυξηθεί ραγδαία. Πουθενά δεν είναι αυτό πιο προφανές από τον τομέα των ασύρματων επικοινωνιών. Τα ασύρματα δίκτυα πλέον είναι υπεύθυνα για μεγαλύτερη διακίνηση δεδομέ νων από τους σταθερούς υπολογιστές και ως εκ τούτου γίνονται προσπάθειες για την βελτιστοποίηση των πρωτοκόλλων και τεχνικών που διέπουν και πραγματοποιούν αυτά τα ασύρματα δίκτυα. Οι ανάγκες ασύρματου ίντερνετ είναι τόσο μεγάλες και η χρήση του 4 G και το υ 5 G τόσο διαδεδομένη που προκύπτουν προκλήσεις στην διάθεση και κατανομή των πόρων. Ένας άλλος ραγδαία εξελισσόμενος τομέα ς είναι αυτός της μηχανικής μάθησης και των νευρωνικών δικτύων . Αυτός ο τομέας μ έσω της πιο εύκολα διαθέσιμη ς υπολογιστική ς ισχύ ς διευκολύνε ται σημαντικά και επιτρέπει την χρήση αυτών των εργαλείων σε προβλήματα που στο παρελθόν θα ήταν ασύμφορη η χρήση τους. Σε αυτή την εργασία μελετάται η χρήση τεχνικών μηχανικής εκμάθησης για την κατανομή πόρων σε ασύρματα δίκτυα σε αντίθεση με την παραδοσιακή αλγοριθμική μέθοδο. Τέλος διαπραγματεύεται περιπτώσεις στις οποίες μπορεί να συμφέρει μια τέτοι ου είδους προσέγγιση. In the last few years humans’ telecommunications needs and capabilities have rapidly increased. Nowhere is that more obvious t han in the wireless communications sector. Wireless networks are, at this point, responsible for a bigger data traffic than hardwired devices and as such attempts are being made to optimize the protocols and techniques that comprise and realize said wirel ess networks. The data needs of the wireless internet are so great and the use of 4G and 5G so ubiquitous that challenges arise in the availability and distribution of resources. Another rapidly advancing sector is that of Machine Learning and subsequently neural networks, the, now more than ever, profound availability of processing power greatly empowers and makes the deployment of these tools easier than ever even in problems where in the past their application wouldn’t be feasible. This thesis investiga tes the use of machine learning techniques to distribute resources in wireless networks and contrasts it to a traditional algorithmic method. It also entertains scenarios in which such approaches might be applicable 2022-03-18T09:17:28Z 2022-03-18T09:17:28Z 2022-03-15 http://hdl.handle.net/10889/16115 gr application/pdf
institution	UPatras
collection	Nemertes
language	Greek
topic	Μηχανική μάθηση Νευρωνικά δίκτυα Machine learning Neural networks 5G MIMO
spellingShingle	Μηχανική μάθηση Νευρωνικά δίκτυα Machine learning Neural networks 5G MIMO Κουρής, Μιχαήλ Αποδοτική ανάθεση πόρων σε δίκτυα 5G με τεχνικές machine learning
description	Τα τελευταία χρόνια οι ανθρώπινες τηλεπικοινωνιακές ανάγκες αλλά και τεχνικές δυνατότητες έχουν αυξηθεί ραγδαία. Πουθενά δεν είναι αυτό πιο προφανές από τον τομέα των ασύρματων επικοινωνιών. Τα ασύρματα δίκτυα πλέον είναι υπεύθυνα για μεγαλύτερη διακίνηση δεδομέ νων από τους σταθερούς υπολογιστές και ως εκ τούτου γίνονται προσπάθειες για την βελτιστοποίηση των πρωτοκόλλων και τεχνικών που διέπουν και πραγματοποιούν αυτά τα ασύρματα δίκτυα. Οι ανάγκες ασύρματου ίντερνετ είναι τόσο μεγάλες και η χρήση του 4 G και το υ 5 G τόσο διαδεδομένη που προκύπτουν προκλήσεις στην διάθεση και κατανομή των πόρων. Ένας άλλος ραγδαία εξελισσόμενος τομέα ς είναι αυτός της μηχανικής μάθησης και των νευρωνικών δικτύων . Αυτός ο τομέας μ έσω της πιο εύκολα διαθέσιμη ς υπολογιστική ς ισχύ ς διευκολύνε ται σημαντικά και επιτρέπει την χρήση αυτών των εργαλείων σε προβλήματα που στο παρελθόν θα ήταν ασύμφορη η χρήση τους. Σε αυτή την εργασία μελετάται η χρήση τεχνικών μηχανικής εκμάθησης για την κατανομή πόρων σε ασύρματα δίκτυα σε αντίθεση με την παραδοσιακή αλγοριθμική μέθοδο. Τέλος διαπραγματεύεται περιπτώσεις στις οποίες μπορεί να συμφέρει μια τέτοι ου είδους προσέγγιση.
author2	Kouris, Michail
author_facet	Kouris, Michail Κουρής, Μιχαήλ
author	Κουρής, Μιχαήλ
author_sort	Κουρής, Μιχαήλ
title	Αποδοτική ανάθεση πόρων σε δίκτυα 5G με τεχνικές machine learning
title_short	Αποδοτική ανάθεση πόρων σε δίκτυα 5G με τεχνικές machine learning
title_full	Αποδοτική ανάθεση πόρων σε δίκτυα 5G με τεχνικές machine learning
title_fullStr	Αποδοτική ανάθεση πόρων σε δίκτυα 5G με τεχνικές machine learning
title_full_unstemmed	Αποδοτική ανάθεση πόρων σε δίκτυα 5G με τεχνικές machine learning
title_sort	αποδοτική ανάθεση πόρων σε δίκτυα 5g με τεχνικές machine learning
publishDate	2022
url	http://hdl.handle.net/10889/16115
work_keys_str_mv	AT kourēsmichaēl apodotikēanathesēporōnsediktya5gmetechnikesmachinelearning AT kourēsmichaēl efficientresourceallocationin5gnetworkswithmachinelearningtechniques
_version_	1771297315240280064

Αποδοτική ανάθεση πόρων σε δίκτυα 5G με τεχνικές machine learning

Παρόμοια τεκμήρια